我一直用的VScode + jupyter notebook编码，在举行神经网络实验的时间经常会用到使用matplotlib举行图标的绘制。尤其是在观测准确率的变化的时间须要动态观察数据。
实现matplotlib实时动态图的方法有三种：
（1）ion和ioff
这是最简朴的一种，他会跳出一个框，内里的数据会动态革新，而不是静态的图片。可以使用在下令行和pycharm等。
但是在VScode + jupyter notebook中，须要添加%matplotlib inline，而且它是一张一张图片的输出。
import matplotlib.pyplot as plti=0x=[]y=[]plt.ion()while i<100: plt.clf() #打扫上一幅图像 x.append(i) y.append(i**2) plt.plot(x,y) i=i+1 plt.pause(0.01) # 暂停0.01秒 plt.ioff() # 关闭画图的窗口plt.show()（2）可以使用FuncAnimation
这里要求matplotlib的版本在3.X及以上，在使用jupyter的时间还须要使用%matplotlib notebook.
但是VScode并不支持matplotlib的natebook模式。
官方表明：
https://www.jianshu.com/p/04e240966bb4
编码教程：https://www.bilibili.com/video/BV1Pt4y1s7Pj?spm_id_from=333.880.my_history.page.click&vd_source=9e5b81656aa2144357f0dca1094e9cbe
（3）自制一个Animator
这个可以完善的在VScode + jupyter notebook中完善运行。
代码：
from IPython import displayfrom matplotlib import pyplot as pltfrom matplotlib_inline import backend_inlineclass Animator(): """初始化横轴,x/ylabel,""" def __init__(self, xlim, xlabel=None, ylabel=None, legend=None,ylim=None, xscale='linear', yscale='linear', fmts=('-', 'm--', 'g-.', 'r:'),figsize=(3.5, 2.5)) -> None: self.xlabel = xlabel self.ylabel = ylabel self.xscale = xscale self.yscale = yscale self.xlim = xlim self.ylim = ylim self.legend = legend # 图例表现 if legend is None: legend = [] # 使用svg图像表现 backend_inline.set_matplotlib_formats('svg') self.fig, self.axes = plt.subplots(figsize=figsize) self.x = None self.y = None self.fmts = fmts def set_axes(self): # 设置轴上的属性 self.axes.set_xlabel(self.xlabel) self.axes.set_ylabel(self.ylabel) self.axes.set_xscale(self.xscale) self.axes.set_yscale(self.yscale) self.axes.set_xlim(self.xlim) self.axes.set_ylim(self.ylim) if self.legend: self.axes.legend(self.legend) self.axes.grid() def show(self,x,y): self.axes.cla() for i in range(len(x)): self.axes.plot(x,y,self.fmts) self.set_axes() display.display(self.fig) display.clear_output(wait=True) 使用也很简朴：
fig = Animator(xlim=(-0.1,10.1),legend=["x1","x2"])def delay(): for i in range(999999): for j in range(9): a=1x = [[],[]]y = [[],[]]print(type(x))for i in range(11): x[0].append(i) y[0].append(i**2) x[1].append(i) y[1].append(i*2) print(x) fig.show(x,y) delay() |
