Python Matplotlib 绘制训练集和验证集的准确率和损失曲线

这段代码使用了 Matplotlib 库来绘制训练集和验证集的准确率曲线和损失曲线。

首先，通过设置 plt.rcParams['font.sans-serif'] = ['SimHei'] 和 plt.rcParams['axes.unicode_minus'] = False 来解决中文显示问题。

然后，从 history 对象中获取训练集和验证集的准确率和损失，并存储在相应的变量中。

接下来，创建一个大小为 12x4 的画布，并分为 1 行 2 列。

在第一个子图中，使用 plt.subplot(1, 2, 1) 指定绘制在第 1 行第 1 列的位置。然后，使用 plt.plot 函数绘制训练集和验证集的准确率曲线。epochs 变量表示横轴的取值范围，即训练的轮数。'bo' 表示蓝色圆点，表示训练集准确率；'b' 表示蓝色实线，表示验证集准确率。最后，添加图标题、横轴和纵轴标签，并使用 plt.legend() 添加图例。

在第二个子图中，使用 plt.subplot(1, 2, 2) 指定绘制在第 1 行第 2 列的位置。然后，使用 plt.plot 函数绘制训练集和验证集的损失曲线，与第一个子图类似。最后，添加图标题、横轴和纵轴标签，并使用 plt.legend() 添加图例。

最后，使用 plt.tight_layout() 调整子图的布局，并使用 plt.show() 显示图形。

这段代码可以帮助我们观察模型的训练过程，了解准确率和损失的变化情况。

import matplotlib.pyplot as plt

# 设置 Matplotlib 中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 获取训练数据
acc = history.history['accuracy']
val_acc = history.history['val_accuracy']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(1, len(acc) + 1)

# 创建画布
plt.figure(figsize=(12, 4))

# 绘制训练集与验证集准确率曲线
plt.subplot(1, 2, 1)
plt.plot(epochs, acc, 'bo', label='训练集准确率')
plt.plot(epochs, val_acc, 'b', label='验证集准确率')
plt.title('训练集与验证集准确率曲线')
plt.xlabel('Epochs')
plt.ylabel('准确率')
plt.legend()

# 绘制训练集与验证集损失曲线
plt.subplot(1, 2, 2)
plt.plot(epochs, loss, 'bo', label='训练集损失')
plt.plot(epochs, val_loss, 'b', label='验证集损失')
plt.title('训练集与验证集损失曲线')
plt.xlabel('Epochs')
plt.ylabel('损失')
plt.legend()

# 调整子图布局
plt.tight_layout()

# 显示图形
plt.show()