作者: Morvan 编辑: Morvan
接着上一节的例子继续讲解. 这次, 我们会要可视化整个学习的结果.
使用 Matplotlib 模块来进行可视化过程, 在建立好 model
以后, 设置 plt.ion()
使 plt.show()
可以连续显示.
model = LSTMRNN(TIME_STEPS, INPUT_SIZE, OUTPUT_SIZE, CELL_SIZE, BATCH_SIZE)sess = tf.Session()# sess.run(tf.initialize_all_variables()) # tf 马上就要废弃这种写法# 替换成下面的写法:sess.run(tf.global_variables_initializer())plt.ion() # 设置连续 plotplt.show()
然后在 sess.run()
后面加上plt.draw()
的步骤.
_, cost, state, pred = sess.run( [model.train_op, model.cost, model.cell_final_state, model.pred], feed_dict=feed_dict)# plottingplt.plot(xs[0, :], res[0].flatten(), 'r', xs[0, :], pred.flatten()[:TIME_STEPS], 'b--')plt.ylim((-1.2, 1.2))plt.draw()plt.pause(0.3) # 每 0.3 s 刷新一次
最后的结果显示为:
如果你觉得这篇文章或视频对你的学习很有帮助, 请你也分享它, 让它能再次帮助到更多的需要学习的人.
莫烦没有正式的经济来源, 如果你也想支持 莫烦Python 并看到更好的教学内容, 请拉倒屏幕最下方, 赞助他一点点, 作为鼓励他继续开源的动力.
联系客服