Python 如何在数组中存储值以在matplotlib中绘制图形?
我有下面的交叉熵函数Python 如何在数组中存储值以在matplotlib中绘制图形?,python,matplotlib,tensorflow,Python,Matplotlib,Tensorflow,我有下面的交叉熵函数 cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv)) for i in range(max_training_step): batch = next_batch(i) if i % FLAGS.beta_resolution == 0: train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1
cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
for i in range(max_training_step):
batch = next_batch(i)
if i % FLAGS.beta_resolution == 0:
train_accuracy = accuracy.eval(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})
print("step %d, training accuracy %g" % (i, train_accuracy))
我想在每个训练步骤后打印它。我想用matplotlib
绘制一张图,其中包含训练步骤和熵
我该怎么做?(我不想使用tensorflow进行图形绘制)当您执行会话运行调用(例如,
res=sess.run(…)
)时,您可以输入交叉熵变量的获取
例如,假设您有一个复杂的sess.run()调用,该调用可以获得一些预测,但您也希望交叉熵,那么您可能有如下代码:
```
```
运行调用中的回迁允许您从图形中“回迁”张量。如果我将训练步骤和交叉熵定义为空数组,然后使用append命令将值存储在for循环中,我是否可以不这样使用tensorflow。然后我用matplotlib在两个之间绘制图表。它能在tensor flow代码中工作吗?你必须在某一点上使用tensorflow,因为tensorflow正在生成交叉熵,但是如果你在for循环中每次运行都获取交叉熵,那么是的,你可以附加、与matplotlib一起使用或其他任何东西。在上面的示例中,交叉熵(xent),即上面提到的res[1],与任何其他python变量一样,只是一个数组或xent值。
feeds={x_data:x,y_data:y}
fetches=[y_result,cross_entropy]
res=sess.run(fetches=fetches, feed_dict=feeds)
predictions=res[0] #your first fetch parameter
xent=res[1] #Your second fetch parameter.