我就廢話(huà)不多說(shuō)了，大家還是直接看代碼吧~

import matplotlib.pyplot as plt epochs = [0,1,2,3]acc = [4,8,6,5]loss = [3,2,1,4] plt.plot(epochs,acc,color=’r’,label=’acc’) # r表示紅色plt.plot(epochs,loss,color=(0,0,0),label=’loss’) #也可以用RGB值表示顏色 #####非必須內(nèi)容#########plt.xlabel(’epochs’) #x軸表示plt.ylabel(’y label’) #y軸表示plt.title('chart') #圖標(biāo)標(biāo)題表示plt.legend() #每條折線的label顯示#######################plt.savefig(’test.jpg’) #保存圖片，路徑名為test.jpgplt.show() #顯示圖片

補(bǔ)充知識(shí)：matplotlib畫(huà)混淆矩陣和正確率曲線

混淆矩陣

找不到參看的那篇博客啦~~希望原博主不要討伐我

#!/usr/bin/python3.5# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltplt.rcParams[’font.sans-serif’] = [’FangSong’] #可顯示中文字符plt.rcParams[’axes.unicode_minus’]=False classes = [’a’,’b’,’c’,’d’,’e’,’f’,’g’]confusion_matrix = np.array([(99,1,2,2,0,0,6),(1,98,7,6,2,1,1),(0,0,86,0,0,2,0),(0,0,0,86,1,0,0),(0,0,0,1,94,1,0),(0,1,5,1,0,96,8),(0,0,0,4,3,0,85)],dtype=np.float64) plt.imshow(confusion_matrix, interpolation=’nearest’, cmap=plt.cm.Oranges) #按照像素顯示出矩陣plt.title(’混淆矩陣’)plt.colorbar()tick_marks = np.arange(len(classes))plt.xticks(tick_marks, classes, rotation=-45)plt.yticks(tick_marks, classes) thresh = confusion_matrix.max() / 2.#iters = [[i,j] for i in range(len(classes)) for j in range((classes))]#ij配對(duì)，遍歷矩陣迭代器iters = np.reshape([[[i,j] for j in range(7)] for i in range(7)],(confusion_matrix.size,2))for i, j in iters: plt.text(j, i, format(confusion_matrix[i, j]),fontsize=7) #顯示對(duì)應(yīng)的數(shù)字 plt.ylabel(’真實(shí)類(lèi)別’)plt.xlabel(’預(yù)測(cè)類(lèi)別’)plt.tight_layout()plt.show()

正確率曲線

fig ,ax= plt.subplots() plt.plot(np.arange(iterations), fig_acc，’b’) plt.plot(np.arange(iterations), fig_realacc, ’r’) ax.set_xlabel(’迭代次數(shù)’) ax.set_ylabel(’正確率（%）’) labels = ['訓(xùn)練正確率', '測(cè)試正確率'] # labels = [l.get_label() for l in lns] plt.legend( labels, loc=7) plt.show()

以上這篇使用python matploblib庫(kù)繪制準(zhǔn)確率,損失率折線圖就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。