来自jupyter/Ipython的Tensorflow跑步动画

我正在看tensorflow的水滴在水上的例子，代码：

#Import libraries for simulation
import tensorflow as tf
import numpy as np

#Imports for visualization
import PIL.Image
from io import BytesIO
from IPython.display import clear_output, Image, display

#A function for displaying the state of the pond's surface as an image.
def DisplayArray(a, fmt='jpeg', rng=[0,1]):
  """Display an array as a picture."""
  a = (a - rng[0])/float(rng[1] - rng[0])*255
  a = np.uint8(np.clip(a, 0, 255))
  f = BytesIO()
  PIL.Image.fromarray(a).save(f, fmt)
  clear_output(wait = True)
  display(Image(data=f.getvalue()))

sess = tf.InteractiveSession()

def make_kernel(a):
  """Transform a 2D array into a convolution kernel"""
  a = np.asarray(a)
  a = a.reshape(list(a.shape) + [1,1])
  return tf.constant(a, dtype=1)

def simple_conv(x, k):
  """A simplified 2D convolution operation"""
  x = tf.expand_dims(tf.expand_dims(x, 0), -1)
  y = tf.nn.depthwise_conv2d(x, k, [1, 1, 1, 1], padding='SAME')
  return y[0, :, :, 0]

def laplace(x):
  """Compute the 2D laplacian of an array"""
  laplace_k = make_kernel([[0.5, 1.0, 0.5],
                           [1.0, -6., 1.0],
                           [0.5, 1.0, 0.5]])
  return simple_conv(x, laplace_k)

N = 500

# Initial Conditions -- some rain drops hit a pond

# Set everything to zero
u_init = np.zeros([N, N], dtype=np.float32)
ut_init = np.zeros([N, N], dtype=np.float32)

# Some rain drops hit a pond at random points
for n in range(40):
  a,b = np.random.randint(0, N, 2)
  u_init[a,b] = np.random.uniform()

DisplayArray(u_init, rng=[-0.1, 0.1])

# Parameters:
# eps -- time resolution
# damping -- wave damping
eps = tf.placeholder(tf.float32, shape=())
damping = tf.placeholder(tf.float32, shape=())

# Create variables for simulation state
U  = tf.Variable(u_init)
Ut = tf.Variable(ut_init)

# Discretized PDE update rules
U_ = U + eps * Ut
Ut_ = Ut + eps * (laplace(U) - damping * Ut)

# Operation to update the state
step = tf.group(
  U.assign(U_),
  Ut.assign(Ut_))

# Initialize state to initial conditions
tf.global_variables_initializer().run()

# Run 1000 steps of PDE
for i in range(1000):
  # Step simulation
  step.run({eps: 0.03, damping: 0.04})
  DisplayArray(U.eval(), rng=[-0.1, 0.1])

然后从Ipython I

导入部分\u d

，但它不会生成动画

---

使用过tensorflow的人知道如何解决这个问题吗？谷歌提到了Ipython笔记本，无法找到/设置，但我确实安装了jupyter和最新的Ipython。

你以前使用过jupyter吗？我认为你需要启动你的笔记本服务器并从里面运行代码。 尝试运行

jupyter笔记本

，然后将代码导入笔记本。或者，您可以将代码复制并粘贴到代码单元格中，然后跳过导入

---

我不熟悉你提到的例子，但我认为这不是一个TF问题。看看你是如何通过jupyter（iPython的新名称，以消除任何混乱）运行它的。

让我加快了如何使用jupyter和tensorflow生成涟漪动画的速度。

我熟悉python，刚刚安装了jupyter，我运行了代码，但不知道如何从那里运行脚本。这里有两个点击新建笔记本的快照。确保它正确地连接到python内核（应该是），然后+一个新的代码单元，复制代码并运行。我强烈建议你花几分钟看看jupyter笔记本。在编写python时，它们非常有用，特别是在Tensorflow等方面。我一直用它来开发我的TF。但不要打开.py文件，因为无法在jupyter中运行该文件。你可以使用前面提到的命令导入，但我只是把它放在一个新笔记本的单元格中。现在我知道了如何使用它。是的，只是将它复制到单元格中然后运行它，你如何导入代码？我相信有一个导入命令，但我从未使用过它。我通常从零开始，但如果没有太多的代码，您可以将代码复制到单元格中。我将研究如何使用jupyter优化您的工作流程，并在单元格之间拆分代码。它真的帮助了我的Tensorflow！有关使用magic命令导入代码的更多信息，请参阅，有关更多jupyter问题，请随意创建一个新问题，链接到此处，我可以提供帮助，因为这个问题已经得到回答