目录
- 1、新建画布
- 2、 绘制符号
- 3、sin函数
- 4、sigmoid激活函数
- 5、relu激活函数
- 6、Tanh激活函数图像
1、新建画布
1、tm,新建固定xy轴带网格空白画布还困扰我挺久的，网上资源比较乱，该实现代码整理如下：
python">import glob
import random
import matplotlib.pyplot as plt
def plt_point(x,y):
plt.xlim(0,3840) #x坐标轴范围-10~10
plt.ylim(0,2160)
#第一个参数为标记文本，第二个参数为标记对象的坐标，第三个参数为标记位置
#plt.annotate('', xy=(2,2), xytext=(500,500))
plt.grid()#网格线显示
plt.savefig('point.jpg')
plt.show()
plt_point(x,y)
效果：
2、 绘制符号
2、在固定坐标画点、画“#”符号
python">import matplotlib.pyplot as plt
#生成点(750,1450)
x = 750
y = 1450
plt.xlim(0, 3840) # x坐标轴范围-10~10
plt.ylim(0, 2160)
#生成“#”
# 第一个参数为标记文本，第二个参数为标记对象的坐标，第三个参数为标记位置
plt.annotate('#', color="green",xy=(3, 3), xytext=(1000, 300))
plt.scatter(x,y,s=100, c='r', marker='.', alpha=0.65)
plt.grid() # 网格线显示
plt.savefig('point.jpg')
效果：
3、sin函数
3、画正弦函数(s = sin2pit，并用红色箭头标记(2.25,1)取最大值
python">import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
# 绘制一个正弦曲线
t = np.arange(0.0, 5.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax.plot(t, s,color="green", lw=2)
# 绘制一个红色，两端缩进的箭头
ax.annotate('local max', xy=(2.25, 1), xytext=(3, 1.5),
xycoords='data',
arrowprops=dict(facecolor='red', shrink=0.05)
)
#y轴坐标范围
ax.set_ylim(-3, 3)
结果：
annotate（）用法参考博主：
添加链接描述
4、sigmoid激活函数
4、画固定函数（Sigmoid激活函数为例，并与3函数合并效果），并用特殊符号、字母标记
代码：
python">import math
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-8,8)
a=np.array(x)
#---------Sigmoid-------------------
y1=1/(1+math.e**(-x))
#----------Deriv.Sigmoid------------------
y2=math.e**(-x)/((1+math.e**(-x))**2)
#---------sin函数t只取(0.5.0)---
t = np.arange(0.0, 5.0, 0.01)
#s = np.sin(2*np.pi*t)
s = np.sin(t)
plt.xlim(-9,9)
ax = plt.gca() # get current axis 获得坐标轴对象
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none') # 将右边 上边的两条边颜色设置为空 其实就相当于抹掉这两条边
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left') # 指定下边的边作为 x 轴 指定左边的边为 y 轴
ax.spines['bottom'].set_position(('data', 0)) #指定 data 设置的bottom(也就是指定的x轴)绑定到y轴的0这个点上
ax.spines['left'].set_position(('data', 0))
ax.annotate('local intersect', xy=(-2.5, 0.1), xytext=(-5.0, 0.6),
xycoords='data',
arrowprops=dict(facecolor='yellow', shrink=0.1)
)
plt.plot(x,y1,label='Sigmoid',linestyle="-", color="blue")#label为标签
plt.plot(x,y2,label='Deriv.Sigmoid',linestyle="--", color="red")#l
ax.annotate('local max', xy=(1.57, 1), xytext=(2, 0.5),
xycoords='data',
arrowprops=dict(facecolor='red', shrink=0.05)
)
plt.plot(t,s,label='sin',linestyle="--", color="green")#l
#plt.legend(loc=0,ncol=2)
plt.legend(['Sigmoid','Deriv.Sigmoid','sin'])
plt.savefig('plot_test.png', dpi=500) #指定分辨率
plt.show()
效果：
5、relu激活函数
5、relu激活函数
python">fig = plt.figure(figsize=(6,4))
ax = fig.add_subplot(111)
x = np.arange(-10,10)
y = np.where(x<0,0,x) # 小于0输出0，大于0输出y
plt.xlim(-11,11)
plt.ylim(-11,11)
ax = plt.gca() # 获得当前axis坐标轴对象
ax.spines['right'].set_color('none') # 去除右边界线
ax.spines['top'].set_color('none') # 去除上边界线
ax.xaxis.set_ticks_position('bottom') # 指定下边的边作为x轴
ax.yaxis.set_ticks_position('left') # 指定左边的边为y轴
ax.spines['bottom'].set_position(('data',0)) # 指定data 设置的bottom（也就是指定的x轴）绑定到y轴的0这个点上
ax.spines['left'].set_position(('data',0)) # 指定y轴绑定到x轴的0这个点上
ax.annotate('local inflection point', xy=(0, 0), xytext=(-4, 5),
xycoords='data',
arrowprops=dict(facecolor='black', shrink=0.05),# 箭头线为黑色，两端缩进5%
horizontalalignment='left',# 注释文本的左端和低端对齐到指定位置
verticalalignment='bottom',
)
plt.plot(x,y,label = 'ReLU',linestyle='-',color='darkviolet')
plt.legend(['ReLU'])
plt.savefig('relu.png')
plt.show()
结果：
6、Tanh激活函数图像
6、画Tanh激活函数图像
python">import numpy as np
import matplotlib.pyplot as plt
import math
import numpy as np
#------绘制Tanh激活函数图像代码-------
x = np.arange(-10,10)
a = np.array(x)
y = (math.e**(x) - math.e**(-x)) / (math.e**(x) + math.e**(-x))
plt.xlim(-11,11)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
plt.plot(x,y,label='Tanh',linestyle='-',color='green')
plt.legend(['Tanh'])
plt.savefig('Tanh.png',dpi=500) # 指定分辨率
plt.show()
结果：
