TensorFlow学习笔记（七）--训练结果可视化

 在python中可以使数据可视化的强大的工具包就是matplotlib了，本次机器学习的使用了pyplot里的figure()、add_subplot()、

scatter()、ion()、show()等方法，以下是代码：

......
#初始化变量
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

#利用matplotlib模块进行数据的可视化
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(x_data, y_data)
#图像不暂停连续产生图像
plt.ion()
plt.show()

#训练1000次，每50步输出一次loss
for i in range(1000):
	sess.run(train_step, feed_dict={xs: x_data, ys: y_data})
	if i % 50 == 0:
		#print(sess.run(loss, feed_dict={xs: x_data, ys: y_data}))
		try:
			ax.lines.remove(lines[0])
		except Exception:
			pass
		prediction_value = sess.run(prediction,feed_dict={xs:x_data})
		lines = ax.plot(x_data, prediction_value, 'r-', lw=5)
		plt.pause(0.1)