《面向机器智能的TensorFlow实践》一2.2 Jupyter Notebook与matplotlib
本节书摘来自华章出版社《面向机器智能的TensorFlow实践》一书中的第2章,第2.2节,作者 山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt)阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问云栖社区“华章计算机”公众号查看。
2.2 Jupyter Notebook与matplotlib
在数据科学工作流中频繁使用的两款出色的软件是Jupyter Notebook和matplotlib。它们与NumPy协同使用已有多年,TensorFlow与NumPy的紧密集成使得用户可采用他们熟悉的工作模式。两者均为开源软件,且采用的许可协议均为BSD。
利用Jupyter Notebook(前身为iPython Notebook),可交互式地编写包含代码、文本、输出、LaTeX及其他可视化结果的文档。这使得它在依据探索分析创建报告时极为有用,因为可将创建可视化图表的代码直接在图表的旁边展示出来,也可利用Markdown单元以格式丰富的文本分享你对于某个特定方法的见解。此外,对于设计原型的想法,Jupyter Notebook也极为出色,因为你可回顾和编辑部分代码,然后从笔记本中直接运行。与许多其他要求逐行执行代码的交互式Python环境不同,Jupyter Notebook允许将代码写入逻辑块中,这使得调试脚本中特定部分相对容易。在TensorFlow中,这个特性是极有价值的,因为典型的TensorFlow程序已经被划分为“计算图的定义”和“运行计算图”两部分。
matplotlib是一个绘图库,它允许用户使用Python创建动态的、自定义的可视化结果。它与NumPy无缝集成,其绘图结果可直接显示在Jupyter Notebook中。matplotlib也可将数值数据以图像的形式可视化,这个功能可用于验证图像识别任务的输出,并将神经网络的内部单元可视化。构建在Matplotlib之上的其他层,如Seaborn,可用于增强其功能。
AI开发者大会之AI学习与进阶实践:2020年7月3日《如何转型搞AI?》、《基于AI行业价值的AI学习与进阶路径》、《自动机器学习与前沿AI开源项目》、《使用TensorFlow实现经典模型》 AI开发者大会之AI学习与进阶实践:2020年7月3日《如何转型搞AI?》、《基于AI行业价值的AI学习与进阶路径》、《自动机器学习与前沿AI开源项目》、《使用TensorFlow实现经典模型》
相关文章
- 3-机器学习进阶-模型的攻击和防御
- (《机器学习》完整版系列)第12章 计算学习理论——12.1 概念类与假设空间的关系(几乎、近似、覆盖)
- 【FPGA教程案例94】机器学习1——基于FPGA的SVM支持向量机二分类系统实现之理论和MATLAB仿真
- 《面向机器智能的TensorFlow实践》一2.7 安装matplotlib
- Caffe机器学习框架
- 《NLTK基础教程——用NLTK和Python库构建机器学习应用》——2.4 标识化处理
- 无代码白话版通俗的理解机器学习如何对未知的数据进行预测
- HMS Core Insights第四期直播回顾 – 机器学习,推开AI应用的门
- python进行机器学习(一)之数据预处理
- 机器学习——SVM之交叉验证对参数(C,gamma)进行优化以及选择