计划：
1.介于linux系统比window系统更快捷方便学习机器人深度学习和使用某些模块，所以在14周前了解linux基本操作
2.学习sklearn数据库
3.每晚睡前看一集了解机器学习方法
12~13周学习小结
一、使用Mat创建3D图形
代码：
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4,4,0.25)
Y = np.arange(-4,4,0.25)
X,Y = np.meshgrid(X,Y)
R = np.sqrt(X **2+ Y **2)
Z = np.sin(R)
ax.plot_surface ( X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap ('rainbow') )<br />
ax.contourf ( X,Y,Z,zdir='x',offset=-4,cmap='rainbow')
ax.set_zlim ( -2,2)
plt.show ()
其中 plot_surface 为设置网格的样式, cmap设置颜色,rstride 和 cstride 分别代表 row 和 column 的跨度。contourf设置投影的样式, cmap设置颜色.zdir='x'代表为投影网格的X轴方向
二、图中图
代码:
importmatplotlib.pyplotasplt
fig = plt.figure()
x = [1,2,3,4,5,6,7]
y = [1,3,4,2,5,8,6]
left,bottom,width,heigh =0.1,0.1,0.8,0.8
ax1 = fig.add_axes([left,bottom,width,heigh])
# 设置title1 图的方法：
ax1.plot(x,y,c='r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title1')
#设置title2图的方法
left,bottom,width,heigh =0.2,0.6,0.25,0.25
#left,bottom等为设置图形所在的位置
ax2 = fig.add_axes([left,bottom,width,heigh])
ax2.plot(y,x,c='b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title2')
#设置titile3的方法
plt.axes([0.6,0.2,0.25,0.25])
plt.plot(y[::-1],x,'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title('title3')
# 不用设置ax，因为自己默认跟随。plt.axes
plt.show()
三、等高线
\
代码:<br />
def f(x,y):
# 定义一个高度的值
return(1- x /2+ x**5+ y**3) * np.exp(-x**2-y**2)
n =256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y)
# 创建网格，并把xy对应进去
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)
# contourf将网格的颜色加进去
C = plt.contour(X,Y,f(X,Y),8,color='black',linewidth=0.5)
# 8 为将图像分为10部分，0是一份为二，则8是10
plt.clabel(C,inline=True,fontsize=10)
# 加入label，inlabel 控制是否将文本画在线里面，
plt.xticks(())
plt.yticks(())
plt.show()
遇到问题:
在学习完matplotlib后，选择Tensorflow去了解，但在安装过程中，发现Tensorflow虽然最近更新支持了window系统，可是window操作下的Tensorflow，变得很麻烦，所以为了更方便的去学习类似于Tensorflow这种和机器人深度学习的后续，我打算去了解一下Linux系统，并在虚拟机中运行使用
网友评论