快捷導(dǎo)航

matplotlib 畫動態(tài)圖以及plt.ion()和plt.ioff()的使用詳解

更新時間：2021年01月05日 16:17:53 作者：zbrwhut

這篇文章主要介紹了matplotlib 畫動態(tài)圖以及plt.ion()和plt.ioff()的使用詳解，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

學(xué)習(xí)python的道路是漫長的，今天又遇到一個問題，所以想寫下來自己的理解方便以后查看。

在使用matplotlib的過程中，常常會需要畫很多圖，但是好像并不能同時展示許多圖。這是因為python可視化庫matplotlib的顯示模式默認(rèn)為阻塞（block）模式。什么是阻塞模式那？我的理解就是在plt.show()之后，程序會暫停到那兒，并不會繼續(xù)執(zhí)行下去。如果需要繼續(xù)執(zhí)行程序，就要關(guān)閉圖片。那如何展示動態(tài)圖或多個窗口呢？這就要使用plt.ion()這個函數(shù)，使matplotlib的顯示模式轉(zhuǎn)換為交互（interactive）模式。即使在腳本中遇到plt.show()，代碼還是會繼續(xù)執(zhí)行。下面這段代碼是展示兩個不同的窗口：

  import matplotlib.pyplot as plt
  plt.ion()  # 打開交互模式
  # 同時打開兩個窗口顯示圖片
  plt.figure() #圖片一
  plt.imshow(i1)
  plt.figure()  #圖片二
  plt.imshow(i2)
  # 顯示前關(guān)掉交互模式
  plt.ioff()
  plt.show()

在plt.show()之前一定不要忘了加plt.ioff()，如果不加，界面會一閃而過，并不會停留。那么動態(tài)圖像是如何畫出來的，請看下面這段代碼，具體的解釋就不在這里闡述了，以后有時間再更新：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
 
def add_layer(inputs,in_size,out_size,activation_funiction=None):
 
  Weights = tf.Variable(tf.random_normal([in_size,out_size]))
  biases = tf.Variable(tf.zeros([1,out_size]) +0.1)
  Wx_plus_b = tf.matmul(inputs,Weights)+biases
  if activation_funiction is None:
    outputs = Wx_plus_b
  else:
    outputs = activation_funiction(Wx_plus_b)
  return outputs
 
x_data = np.linspace(-1,1,300)[:,np.newaxis]
noise = np.random.normal(0,0.05,x_data.shape)
y_data = np.square(x_data)-0.5 +noise
 
xs = tf.placeholder(tf.float32,[None,1])  
ys = tf.placeholder(tf.float32,[None,1])
 
#add hidden layer
l1 = add_layer(xs,1,10,activation_funiction=tf.nn.relu)
#add output layer
prediction = add_layer(l1,10,1,activation_funiction=None)
 
#the error between prediction and real data
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)
 
init =tf.initialize_all_variables()
 
with tf.Session() as sess:
  sess.run(init)
 
  fig = plt.figure()
  ax = fig.add_subplot(1,1,1)
  ax.scatter(x_data,y_data)
  plt.ion()  #將畫圖模式改為交互模式
 
  for i in range(1000):
    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
    if i%50 ==0:
      plt.pause(0.1)
      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)
 
 
      print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))
 
  plt.ioff()
  plt.show()

上面這段代碼執(zhí)行之后就會看到一條曲線在動態(tài)的擬合數(shù)據(jù)，直到訓(xùn)練結(jié)束。

下面就來講講matplotlib這兩種模式具體的區(qū)別

在交互模式下：

1、plt.plot(x)或plt.imshow(x)是直接出圖像，不需要plt.show()

2、如果在腳本中使用ion()命令開啟了交互模式，沒有使用ioff()關(guān)閉的話，則圖像會一閃而過，并不會常留。要想防止這種情況，需要在plt.show()之前加上ioff()命令。

在阻塞模式下：

1、打開一個窗口以后必須關(guān)掉才能打開下一個新的窗口。這種情況下，默認(rèn)是不能像Matlab一樣同時開很多窗口進(jìn)行對比的。

2、plt.plot(x)或plt.imshow(x)是直接出圖像，需要plt.show()后才能顯示圖像

到此這篇關(guān)于matplotlib 畫動態(tài)圖以及plt.ion()和plt.ioff()的使用詳解的文章就介紹到這了,更多相關(guān)matplotlib plt.ion() plt.ioff()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: