【python-深度学习】matplotlib库的使用
matplotlib:画图
numpy:数值型数组处理
pandas:在numpy基础上,除了处理数值型数组之外,还能够处理字符串、时间序列、列表、字典等数据类型的数据
环境:Windows10、Python3,PyCharm
文章目录
- 1、matplotlib概述
- 2、matplotlib使用
- 2.1 实例
- 2.1.1 知识补充:range()函数
- 2.2 设置x轴和y轴
- 2.2.1 知识补充:linspace()函数
- 2.2.2 实例
- 2.3 标记特殊点—— ing
- 2.4 添加水印 text
- 2.1-2.4 完整代码
- 2.5 设置图片大小 figure
- 2.6 设置显示中文 rc
- 2.7 绘制网格 grid
- 2.8 绘制图例 legend
- 2.9 颜色和线型
- 2.10 小结
- 3、matplotlib的各种图(常用)
- 3.1 散点图 scatter
- 3.2 折线图 plot
- 3.3 直方图 hist
- 【重点】bins如何设置分组
- 3.4 柱状图 bar() 【垂直柱】
- 3.4.1 普通柱状图
- 3.4.2 多重柱状图
- 3.4.3 设置x轴刻度:指定宽度
- 3.5 条形图 barh() 【水平柱】
- 4、其他类型图
1、matplotlib概述
matplotlib可以将数据进行可视化
matplotlib:最流行的python底层绘图库
,主要做数据可视化图表
。名字取材于matlab,模仿matlab构建。
2、matplotlib使用
2.1 实例
例子:
例子:假设一天中每隔两个小时range(2, 26, 2)的气温分别是:[15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
使用matplotlib绘图
代码:
from matplotlib import pyplot as pltx = range(2, 26, 2) # 数据12个:[2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24] 【注意:到24结束,不是25结束,因为24到25步长为1不足2】
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
# x、y轴的数据一起组成了所要绘制的坐标:(2,15),(4,13),(6,14.5),(8,17),(10,20),...,(20,22),(22,18),(24,15)plt.plot(x, y) # 折线图
plt.scatter(x, y) # 散点图
plt.show()
绘图:
2.1.1 知识补充:range()函数
range(start, stop[, step])参数说明:
start: 计数从 start 开始。默认是从 0 开始。例如range(5)等价于range(0,5);
stop: 计数到 stop 结束,但不包括 stop。例如:range(0, 5) 是[0, 1, 2, 3, 4]没有5
step:步长,默认为1。例如:range(0, 5) 等价于 range(0, 5, 1)
2.2 设置x轴和y轴
参考:matplotlib—设置坐标轴
- x、y轴含义:
plt.xlabel()、plt.ylabel()
- x、y轴范围:
plt.xlim()、plt.xlim()
- 标题:
plt.title()
- 调整刻度:
plt.xticks()、plt.yticks()
语法:
matplotlib.pyplot.ylabel(ylabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)ylable:标签文本
fontdict:浮动值
loc:标签位置,可取值:'bottom', 'center', 'top', default: 'center'
示例:
# 设置坐标轴含义, 中文需要加fontproperties属性
plt.xlabel('时间(h)', fontproperties='SimHei')
plt.ylabel('温度(℃)', fontproperties='SimHei')# 设置x和y轴的范围
plt.xlim((0, 24))
plt.ylim((0, 30))# 设置x轴和y轴的刻度
plt.xticks(x)
# 设置x轴和y轴的刻度
new_ticks = np.linspace(0, 24, 12)
plt.xticks(new_ticks)
# 设置x轴和y轴的刻度:步长——当刻度太密集的时候,使用列表步长(间隔取值)来解决
new_ticks = [i/2 for i in range(4, 49)]
plt.xticks(new_ticks[::3]) # 取步长[::3]
# plt.xticks(x[::3])
# plt.yticks(y[::3])
绘图:左图未设置刻度,中图设置x轴刻度,右图设置x轴刻度
绘图:刻度——x轴设置不同步长,依次为:1(缺省)、2、3
绘图:y轴设置不同步长,依次为:1(缺省)、2、3
2.2.1 知识补充:linspace()函数
numpy.linspace主要用来创建等差数列
语法:
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
参数:
start: 返回样本数据开始点
stop: 返回样本数据结束点
num: 生成的样本数据量,默认为50
endpoint:True则包含stop;False则不包含stop
retstep:If True, return (samples, step), where step is the spacing between samples.(即如果为True则结果会给出数据间隔)
dtype:输出数组类型
axis:0(默认)或-1
2.2.2 实例
实例:上午10:00–12:00每一分钟的气温变化
注:数据为随机数,不具有现实意义
import random
import matplotlib.pyplot as plt
import numpy as np# 上午10--12点每一分钟的气温变化
x = range(0, 120) # 时间 120min对应120个数据
y = [random.randint(20, 35) for i in range(0, 120)] # 温度
c = np.random.rand(120) # 散点颜色plt.xticks(x[::10])plt.plot(x, y)
plt.scatter(x, y, c=c)
plt.show()
绘图:步长分别为:5、10
2.3 标记特殊点—— ing
2.4 添加水印 text
使用fig.text()
实现
# 添加水印——需要在绘图之前,否则会出来两个图,水印单独一个图
fig = plt.figure()
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
fig.text(0.75, 0.45, '水印 水印 水印',fontsize=40, color='gray',ha='right', va='bottom', alpha=0.4)
绘图:
2.1-2.4 完整代码
import numpy as np
from matplotlib import pyplot as pltx = range(0, 24, 2) # 数据12个:0 2 4 6 8 10 12 14 16 18 20 22
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
N = 12
s = (30 * np.random.rand(N)) ** 2 # 每个点随机大小 **2:2次方
c = np.random.rand(N) # N是数据点个数plt.plot(x, y) # 折线图
plt.scatter(x, y, c=c, marker='o')
# 设置坐标轴含义, 中文需要加fontproperties属性
plt.xlabel('时间(h)', fontproperties='SimHei')
plt.ylabel('温度(℃)', fontproperties='SimHei')
# 设置x和y轴的范围
plt.xlim((0, 24))
plt.ylim((0, 30))
# 设置x轴和y轴的刻度
new_ticks = np.linspace(0, 24, 12)
plt.xticks(new_ticks)plt.show()
2.5 设置图片大小 figure
实现方法:figure()
# 通过实例化一个figure并传递参数figure(num, figsize=(width, height), dpi),能够在后台自动使用该figure实例,在图像模糊的时候传入dpi参数了,让图片更加清晰
fig = plt.figure(figsize=(10, 5), dpi=80)
例子代码:
import matplotlib.pyplot as plt# 通过实例化一个figure并传递参数figure(num, figsize=(width, length), dpi),能够在后台自动使用该figure实例,在图像模糊的时候传入dpi参数了,让图片更加清晰
fig = plt.figure(figsize=(10, 5), dpi=80)x = range(2, 26, 2) # 数据12个:2 4 6 8 10 12 14 16 18 20 22 24 25
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]plt.plot(x, y)
# plt.savefig("pictures/sig_size.png") # 保存图片 可以保存为svg矢量图格式,放大不会有锯齿
# plt.savefig("pictures/sig_size.svg") # 保存图片 可以保存为svg矢量图格式,放大不会有锯齿
plt.show()
绘图:分别为figsize=(10, 5)
和figsize=(5, 5)
2.6 设置显示中文 rc
matplotlib默认不支持中文字符
Windows
和Linux
下的方式:
import matplotlib# 显示中文字符——修改matplotlib默认字体
font = {'family': 'Microsoft YaHei','weight': 'bold',# 'size': 'larger'
}
matplotlib.rc("font", **font)# 显示中文字符——修改matplotlib默认字体
matplotlib.rc("font", family="Microsoft YaHei")plt.title("上午10:00--12:00每分钟的气温变化情况")
另一种方式
from matplotlib import font_managermy_font = font_manager.FontProperties(fname="###") # fname的值是字体的路径
plt.xticks(list(x)[::10], _xtick_labels[::10], rotation=45, fontproperties=my_font)
plt.title("上午10:00--12:00每分钟的气温变化情况", fontproperties=my_font)
完整代码:
import random
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import font_manager# 上午10--12点每一分钟的气温变化(注:数据为随机数,不具有现实意义)
random.seed(10) # 设置随机种子,让不同时候随机得到的结果都一样
x = range(0, 120) # 时间 120min对应120个数据
y = [random.randint(20, 35) for i in range(0, 120)] # 温度
c = np.random.rand(120)# 显示中文字符——修改matplotlib默认字体
# font = {# 'family': 'Microsoft YaHei',# 'weight': 'bold',# 'size': 'larger'
# }
# matplotlib.rc("font", **font)
matplotlib.rc("font", family="Microsoft YaHei")# 另一种方式
# my_font = font_manager.FontProperties(fname="") # fname的值是字体的路径
plt.title("上午10:00--12:00每分钟的气温变化情况")# 调整x、y轴刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
plt.xticks(list(x)[::10], _xtick_labels[::10], rotation=45) # rotation旋转的度数
# plt.xticks(list(x)[::10], _xtick_labels[::10], rotation=45, fontproperties=my_font) # rotation旋转的度数# x、y轴——使用font设置
plt.xlabel('时间(h)')
plt.ylabel('温度(℃)')
plt.title("上午10:00--12:00每分钟的气温变化情况")
# x、y轴——单独设置中文
# plt.xlabel('时间(h)', fontproperties='SimHei')
# plt.ylabel('温度(℃)', fontproperties='SimHei')
# plt.title("上午10:00--12:00每分钟的气温变化情况", fontproperties='SimHei')plt.plot(x, y)
plt.scatter(x, y, c=c)
plt.show()
2.7 绘制网格 grid
plt.grid()
plt.grid(alpha=0.3) # alpha透明度
2.8 绘制图例 legend
plt.scatter(x, y, c=c, marker='o', label="圆")
plt.scatter(x, y2, c=c, marker='^', label="三角")
plt.legend(loc='best', prop='SimHei')
legend参数
loc:字符串
将图例放置在轴/图形的相应角上:'upper left', 'upper right', 'lower left', 'lower right'
将图例放置在轴/图形相应边缘的中心:'upper center', 'lower center', 'center left', 'center right'
将图例放置在轴/图形的中心:'center'
'best':将图例放置在迄今为止定义的九个位置中与其他绘制的艺术家重叠最少的位置。对于具有大量数据的绘图,此选项可能会很慢;您的绘图速度可能会因提供特定位置而受益。
2.9 颜色和线型
颜色字符(color 或者c )
|
颜色 |
风格字符(linestyle )
|
线型 |
---|---|---|---|
r | 红色 |
-
|
实线 |
g | 绿色 |
--
|
虚线,破折线 |
b | 蓝色 |
-.
|
点划线 |
w | 白色 |
:
|
点虚线,虚线 |
c | 青色 |
''
|
留空成空格,无线条 |
m | 洋红 | None |
同 ''
|
y | 黄色 | solid |
同 - (实线)
|
k | 黑色 | dashed |
同 --
|
#00ff00 | 十六进制 | dashdot |
同 -.
|
0.3 | 灰度值 | dotted |
同 :
|
plt.plot(x, y, c='orange', linestyle=":") # 折线图
plt.plot(x, y2, c='cyan', linestyle="-.")
2.10 小结
3、matplotlib的各种图(常用)
类别 | 描述 | 描述 | 适用场景 |
---|---|---|---|
散点图 | plt.scatter() | 用两组数据构成多个坐标点,观察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式 |
判断变量之间是否存在数量关联趋势,展示离群点 (分布规律)
|
直方图 | plt.bar() | 连续型数据 | |
条形图 | plt.barh() | 类似于直方图 | 离散型数据 |
折线图 | plt.plot() |
Python数据可视化–CSDN
Python数据可视化–CSDN
3.1 散点图 scatter
matplotlib.pyplot.scatter
参考:
使用matplotlib绘制散点图
官方文档
- 普通散点图
- 更改散点的大小:
s
- 更改散点颜色和透明度:颜色
c
,透明度alpha
- 更改散点形状:官方文档–matplotlib.markers
- 在一张图上绘制两组数据的散点
- 为散点设置图例:官方文档–matplotlib.pyplot.legend、matplotlib Legend 图例用法
# 普通散点图
plt.scatter(x, y)# 更改散点的大小
s = (30 * np.random.rand(N)) ** 2 # 每个点随机大小
plt.scatter(x, y, s=s)# 随机颜色
c = np.random.rand(N) # N是数据点个数
plt.scatter(x, y, s=s, c=c, alpha=0.5)# 散点形状——matplotlib.markers
plt.scatter(x, y, s=s, c=c, marker='^', alpha=0.5)# 一张图上绘制两组数据点
plt.scatter(x1, y1, marker='o')
plt.scatter(x2, y2, marker='^')# 设置图例
plt.scatter(x1, y1, marker='o', label="circle")
plt.scatter(x2, y2, marker='^', label="triangle")
plt.legend(loc='best')
完整代码:
import numpy as np
from matplotlib import pyplot as pltx = range(0, 24, 2) # 数据12个:0 2 4 6 8 10 12 14 16 18 20 22
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
y2 = y.copy()
y2.reverse()# 添加水印
fig = plt.figure()
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
fig.text(0.75, 0.45, '水印 水印 水印',fontsize=40, color='gray',ha='right', va='bottom', alpha=0.4)plt.plot(x, y) # 折线图
plt.plot(x, y2)N = 12
s = (30 * np.random.rand(N)) ** 2 # 每个点随机大小 **2:2次方
# s = 30
c = np.random.rand(N) # N是数据点个数
# plt.scatter(x, y, s=s, c=c, marker='^', alpha=0.9) # 散点图
# plt.scatter(x, y2, s=s, c=c, alpha=0.5) # 散点图plt.scatter(x, y, c=c, marker='o', label="circle")
plt.scatter(x, y2, c=c, marker='^', label="triangle")
plt.legend(loc='best')# 设置坐标轴含义, 中文需要加fontproperties属性
plt.xlabel('时间(h)', fontproperties='SimHei')
plt.ylabel('温度(℃)', fontproperties='SimHei')
# 设置x和y轴的范围
plt.xlim((0, 24))
plt.ylim((0, 30))
# 设置x轴和y轴的刻度
new_ticks = np.linspace(0, 24, 12)
plt.xticks(new_ticks)plt.show()
3.2 折线图 plot
功能 | 方法 |
---|---|
设置图形大小 | plt.figure(figsize=(a,b),dpi=n) |
绘图 | plt.plot(x,y) |
调整xy轴刻度 | plt.xticks(), plt.yticks() |
显示 | plt.show() |
保存 | plt.savefig(“file_name”) |
显示中文 | matplotlib.rc 或者 font_manager |
一个图中绘制多个图形 | plt.plot(xi,yi) 调用多次 |
添加图例 | plt.plot(xi,yi,lable=“i_name”, plt.legend(loc=“position”,prop=“字体名称”)) |
添加图形描述 | plt.xlable(), plt.ylable(), plt.title() |
添加网格 | plt.grid() |
图形样式 | color, linestyle, alpha(透明度,0-1), linewidth |
3.3 直方图 hist
通过使用直方图可以对数据集进行分组。【直方图和柱状图、条形图是不一样的】
注:能够使用hist()统计的数据一般是没有经过hist统计的原始数据。因为hist统计之后得到的数据是分组后的数据。
语法:
matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)# plt.hist(x, color, align, range=(20, 30), log=True, bottom=2, density=True, orientation='horizontal')
# plt.hist(x, color="#9999ff", align='left')
参数:
x: 数据集,数据类型:数组
bins: 分组数量
range: bin的下限和上限范围。忽略上下异常值。如果未提供,则范围为(x.min(), x.max())。如果bins是序列,则range无效。
align: 取值['left', 'mid', 'right']。left--矩形相对刻度位置居中;mid--矩形相对刻度位置居右;right--矩形相对刻度位置
orientation: 直方图方向,horizontal--水平,vertical--垂直
代码:
#https://blog.csdn.net/u010916338/article/details/105663074import matplotlib.pyplot as pltx = range(2, 26, 2) # 数据12个:2 4 6 8 10 12 14 16 18 20 22 24 25
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]# plt.hist(y, color="#9999ff", align='right', range=(20, 30), bottom=2, density=True, orientation='horizontal')
plt.hist(y, color="#9999ff", align='right', range=(20, 30), log=True)
plt.show()
【重点】bins如何设置分组
组距(或者分组数bins)需要设置为 x 数据集中 max(x)-min(x) 的因子,保证组距(或者分组数bins)能够被 max(x)-min(x) 整除,避免出现绘图偏移情况。
例子:有250个数据,max=156,min=78
分析:max-min=78,78能够被 1,2,3,6,13,26,39
整除,所以distance为这几个数的时候绘图不会出现偏移
结论:设置组距的时候需要设置成(max-min)
这个数的因子,这样能够使得绘图不会出现偏移的情况
组距 | 分组数 | 是否偏移 |
---|---|---|
2
|
39 |
否
|
3
|
26 |
否
|
4 | 19 | 是 |
5 | 15 | 是 |
6
|
13 |
否
|
7 | 11 | 是 |
8 | 9 | 是 |
9 | 8 | 是 |
10 | 7 | 是 |
11 | 7 | 是 |
12 | 6 | 是 |
13
|
6 |
否
|
14 | 5 | 是 |
15 | 5 | 是 |
18 | 4 | 是 |
19 | 4 | 是 |
20 | 3 | 是 |
25 | 3 | 是 |
26
|
3 |
否
|
27 | 2 | 是 |
38 | 2 | 是 |
39
|
2 |
否
|
40 | 1 | - |
3.4 柱状图 bar() 【垂直柱】
3.4.1 普通柱状图
matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)
import matplotlib.pyplot as pltfilms_name = ['战狼2', '美人鱼', '速度与激情8', '速度与激情7', '捉妖记', '羞羞的铁拳', '变形金刚4:\n绝迹重生', '功夫瑜伽', '寻龙诀', '西游伏妖篇', '港囧', '变形金刚5:\n最后的骑士', '疯狂动物城']
films_count = [56.83, 33.9, 26.94, 24.26, 24.21, 21.9, 19.79, 17.53, 16.79, 16.49, 16.2, 15.45, 15.3]# plt.bar(films_name, films_count, color="orange")
# plt.xticks(fontproperties="Microsoft YaHei", rotation=45)
# 或者
plt.bar(range(len(films_name)), films_count, color="orange")
plt.xticks(range(len(films_name)), films_name, fontproperties="Microsoft YaHei")
plt.grid(alpha=0.3)
plt.ylabel("票房数量(亿)", fontproperties="Microsoft YaHei")
plt.title('近期电影票房情况', fontproperties="Microsoft YaHei")
plt.show()
3.4.2 多重柱状图
import matplotlib.pyplot as plt# 连续三天的票房
x = ['猩球崛起3:终极之战', '敦刻尔克', '蜘蛛侠:英雄归来', '战狼2']
y_1 = [15746, 312, 4497, 319]
y_2 = [12357, 156, 2045, 168]
y_3 = [2358, 399, 2358, 362]bar_width = 0.2 # 范围为:≤ 1/n (n为类型数量,本例中n=3)
x_1 = list(range(len(x)))
x_2 = [i+bar_width for i in x_1]
x_3 = [i+bar_width*2 for i in x_1]# 同一x对应多个y绘图时要设置间隔,否则会重叠在一块
plt.bar(x, y_1, width=bar_width, label='9月14日')
plt.bar(x_2, y_2, width=bar_width, label='9月15日')
plt.bar(x_3, y_3, width=bar_width, label='9月16日')
plt.legend(loc='best', prop='Microsoft YaHei')
# plt.xticks(fontproperties='Microsoft YaHei')
plt.xticks(x_2, x, fontproperties='Microsoft YaHei')
plt.xlabel('电影名称', fontproperties='Microsoft YaHei')
plt.ylabel('票房数量', fontproperties='Microsoft YaHei')
plt.title('连续三天的票房', fontproperties='Microsoft YaHei')
plt.show()
3.4.3 设置x轴刻度:指定宽度
下面将在对比中进行说明:
- 直接绘制
- 设置指定宽度刻度
1、直接绘制
import matplotlib.pyplot as pltx = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90]
x_width = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
y = [836, 2737, 3723, 3926, 3596, 1438, 3273, 642, 824, 613, 215, 47]plt.bar(x, y)plt.grid(alpha=0.5)
plt.show()
2、不设置x轴刻度
import matplotlib.pyplot as pltx = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90]
x_width = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
y = [836, 2737, 3723, 3926, 3596, 1438, 3273, 642, 824, 613, 215, 47]plt.bar(range(12), y, width=1) # 为什么x位置写range(12)??plt.grid(alpha=0.5)
plt.show()
3、x轴设置指定宽度刻度
import matplotlib.pyplot as pltx = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90]
x_width = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
y = [836, 2737, 3723, 3926, 3596, 1438, 3273, 642, 824, 613, 215, 47]plt.bar(range(12), y, width=1) # 为什么x位置写range(12)??# 设置x轴刻度
_x = [i-0.5 for i in range(13)]
_xtick_labels = x + [150]
plt.xticks(_x, _xtick_labels) # xticks(ticks, labels) ticks:xtick位置列表;labels:要放置在给定刻度位置的标签plt.grid(alpha=0.5)
plt.show()
从图中可以看出来,x轴不同刻度的宽度均相同。此时可以与第一张图做对比。
3.5 条形图 barh() 【水平柱】
matplotlib.pyplot.barh(y, width, height=0.8, left=None, *, align='center', **kwargs)
import matplotlib.pyplot as pltfilms_name = ['战狼2', '美人鱼', '速度与激情8', '速度与激情7', '捉妖记', '羞羞的铁拳', '变形金刚4:绝迹重生', '功夫瑜伽', '寻龙诀', '西游伏妖篇', '港囧', '变形金刚5:最后的骑士', '疯狂动物城']
films_count = [56.83, 33.9, 26.94, 24.26, 24.21, 21.9, 19.79, 17.53, 16.79, 16.49, 16.2, 15.45, 15.3]plt.barh(films_name, films_count, color="orange")
plt.yticks(fontproperties="Microsoft YaHei")
# 或者
# plt.barh(range(len(films_name)), films_count, color="orange")
# plt.yticks(range(len(films_name)), films_name, fontproperties="Microsoft YaHei")plt.grid(alpha=0.3)
plt.xlabel("票房数量(亿)", fontproperties="Microsoft YaHei")
plt.show()
绘图:
4、其他类型图
- 栅栏图
- 饼图
- 小提琴图
- 箱线图
- 堆积柱形图
- 气泡图
- 热图
【python-深度学习】matplotlib库的使用相关推荐
- 怎么装python的keras库_Keras 教程: Python 深度学习终极入门指南
在这篇 Keras 教程中, 你将学到如何用 Python 建立一个卷积神经网络! 事实上, 我们将利用著名的 MNIST 数据集, 训练一个准确度超过 99% 的手写数字分类器. 开始之前, 请注意 ...
- Python学习-Matplotlib库绘制简单点阵图、线型图操作
Python学习-Matplotlib库绘制简单散点图图和线型图.标签设置以及刻度线设置操作 目录 1.Matplotlib绘图细节的简单理解 2.绘制点图.线型图 3.给图表设置复杂标注 4.移动刻 ...
- Python深度学习库theano安装的吐血经历
Theano是一个Python库,可以在CPU或GPU上运行快速数值计算. 这是Python深度学习中的一个关键基础库,你可以直接用它来创建深度学习模型或包装库,大大简化了程序. pip instal ...
- 我最喜欢的9个 Python深度学习库
本文为数盟原创译文 如果你对深度学习和卷积神经网络感兴趣,但是并不知道从哪里开始,也不知道使用哪种库,那么这里就为你提供了许多帮助. 在这篇文章里,我详细解读了9个我最喜欢的Python深度学习库. ...
- Python深度学习-快速指南
Python深度学习-快速指南 (Python Deep Learning - Quick Guide) Python深度学习-简介 (Python Deep Learning - Introduct ...
- 粗读《Python 深度学习》(7)
粗读<Python 深度学习>(7) 第八章 生成式深度学习 8.1 使用 LSTM 生成文本 8.1.1 生成式循环网络简史(略) 8.1.2 如何生成序列数据 8.1.3 采样策略的重 ...
- Python 深度学习架构实用指南:第一、二部分
原文:Hands-On Deep Learning Architectures with Python 协议:CC BY-NC-SA 4.0 译者:飞龙 本文来自[ApacheCN 深度学习 译文集] ...
- Python深度学习篇
Python深度学习篇一<什么是深度学习> Excerpt 在过去的几年里,人工智能(AI)一直是媒体大肆炒作的热点话题.机器学习.深度学习 和人工智能都出现在不计其数的文章中,而这些文章 ...
- 10倍!微软开源深度学习优化库DeepSpeed,可训练1000亿参数模型
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 编辑:Sophia 计算机视觉联盟 报道 | 公众号 CVLianMeng 转载于 :微软 AI博士笔记系列推荐 ...
- 《Python 深度学习》刷书笔记 Chapter 3 预测房价:回归问题
文章目录 波士顿房价数据集 3-24 加载波士顿房价数据 3-25 数据标准化 3-26 模型定义 3-27 K折验证 3-28 训练500轮,保存每折的验证结果 3-29 计算所有轮次茨种的K折验证 ...
最新文章
- html地图周边搜索,html5 百度地图定位关键字搜索附近
- JAVA语法——经典题目01
- fedora启动进入命令窗口_查看版本_修改hostname
- 深度学习中的优化算法之Adadelta
- 电容或电感的电压_阻碍电流流通的“双子星”,电容与电感
- 浏览器服务器文件夹在哪里找,IE临时文件夹在哪?Win7系统下如何查找临时文件夹...
- 编程达人海哥c语言,编程达人 我在写海哥初级班39课作业的时候遇到了问题,希望有兄弟帮忙解答一下...
- zlib 1.2.9 not found
- PHP - 性能测试工具
- 为什么学编程都建议不要用拼音命名?看知乎大佬的回答!秒懂
- 教育大数据应用技术国家工程实验室正式启动
- python-元组及元组的操作
- Maven私服创建--Nexus
- java代码---------陈勇老师的
- 遥感原理与应用总结——第六章:遥感图像辐射处理
- php正则匹配字符_php中字符串和正则表达式详解
- 欧洲央行行长:与“主流”货币政策理论商榷
- NodeMCU入坑指南-低成本打造零舍友闻风丧胆WiFi断网神器
- matlab wc wp,MATLAB_IIR_带通通滤波
- 802.1d,802.1w,802.1s与802.1q