plt.legend 大小

您可以使用`plt.legend`函数的`fontsize`参数来设置图例的大小。例如，您可以将其设置为12，如下所示：

import matplotlib.pyplot as plt

# 绘制图形

plt.legend(fontsize=12)

您可以根据需要调整`fontsize`的值以获得所需的大小。

相关问题

plt.figure(figsize= (10, 4)) plt.subplot(121) plt.plot(range(n_epoch), cbow_losses, 'r-o', label = 'CBOW Losses') plt.legend() plt.subplot(122) plt.plot(range(n_epoch), sg_losses, 'g-s', label = 'SkipGram Losses') plt.legend() plt.tight_layout()这段代码什么意思

这段代码的作用是绘制模型训练过程中的损失值曲线图，其中：

- `plt.figure(figsize= (10, 4))`：创建一个大小为(10, 4)的Matplotlib图形对象。
- `plt.subplot(121)`：创建一个大小为1x2的子图，并将当前子图设置为第1个子图。
- `plt.plot(range(n_epoch), cbow_losses, 'r-o', label = 'CBOW Losses')`：在当前子图中绘制CBOW算法的损失值曲线，并用红色圆点表示。其中`range(n_epoch)`表示x轴范围为0到n_epoch-1，`cbow_losses`表示y轴上的损失值。
- `plt.legend()`：添加图例到当前子图中。
- `plt.subplot(122)`：将当前子图设置为第2个子图。
- `plt.plot(range(n_epoch), sg_losses, 'g-s', label = 'SkipGram Losses')`：在当前子图中绘制Skip-gram算法的损失值曲线，并用绿色正方形表示。其中`range(n_epoch)`表示x轴范围为0到n_epoch-1，`sg_losses`表示y轴上的损失值。
- `plt.legend()`：添加图例到当前子图中。
- `plt.tight_layout()`：调整子图布局，使其紧凑显示。

绘制损失值曲线图可以帮助我们了解模型训练过程中的性能表现，以及在何时停止训练模型。

# 绘制损失函数曲线 plt.plot(train_losses, label='Train Loss') plt.plot(test_losses, label='Test Loss') plt.ylim([0, 1]) # 设置y轴范围为0~1 plt.legend() plt.show() # 绘制准确率曲线 plt.plot(train_accs, label='Train Acc') plt.plot(test_accs, label='Test Acc') plt.ylim([0, 1]) # 设置y轴范围为0~1 plt.legend() plt.show() 使曲线平滑

为了使曲线平滑，可以使用`plot()`函数的`smooth`参数，它可以控制曲线的平滑程度。可以将`smooth`参数设置为一个大于0的整数，代表对曲线进行平均滤波的窗口大小。较大的窗口大小会导致曲线更平滑，但可能会使曲线更加模糊。

以下是修改后的代码，将`plot()`函数的`smooth`参数设置为10：

import matplotlib.pyplot as plt
train_losses, train_accs, test_losses, test_accs = [], [], [], []
for epoch in range(100):
    train_loss, train_acc = train(model, train_loader, criterion, optimizer)
    test_loss, test_acc = test(model, test_loader, criterion)
    train_losses.append(train_loss)
    train_accs.append(train_acc)
    test_losses.append(test_loss)
    test_accs.append(test_acc)
    print('Epoch: {} Train Loss: {:.4f} Train Acc: {:.4f} Test Loss: {:.4f} Test Acc: {:.4f}'.format(
        epoch, train_loss, train_acc, test_loss, test_acc))

# 绘制损失函数曲线
plt.plot(train_losses, label='Train Loss', smooth=10)
plt.plot(test_losses, label='Test Loss', smooth=10)
plt.ylim([0, 1]) # 设置y轴范围为0~1
plt.legend()
plt.show()

# 绘制准确率曲线
plt.plot(train_accs, label='Train Acc', smooth=10)
plt.plot(test_accs, label='Test Acc', smooth=10)
plt.ylim([0, 1]) # 设置y轴范围为0~1
plt.legend()
plt.show()

这里将`plot()`函数的`smooth`参数设置为10，来对损失函数和准确率的曲线进行平滑处理。根据实际情况，可以适当调整`smooth`参数的大小，以得到更好的平滑效果。