plt.plot(scaler.inverse_transform((model(x_train_tensor).detach().numpy()).reshape(-1, 1)), "b") plt.plot(scaler.inverse_transform(y_train_tensor.detach().numpy().reshape(-1, 1)), "r")中model(x_train_tensor有60000个数,怎么取前1000个
时间: 2024-02-28 13:57:59 浏览: 28
可以使用切片操作来获取前1000个数,如下所示:
```
plt.plot(scaler.inverse_transform((model(x_train_tensor)[:1000].detach().numpy()).reshape(-1, 1)), "b")
plt.plot(scaler.inverse_transform(y_train_tensor[:1000].detach().numpy().reshape(-1, 1)), "r")
```
这里使用了`model(x_train_tensor)[:1000]`来获取前1000个数,`y_train_tensor[:1000]`也是同样的操作。注意要在获取前1000个数后再进行转换和reshape操作。
相关问题
plot_size = 730 plt.figure(figsize=(12, 8)) plt.plot(scaler.inverse_transform((model(x_train_tensor).detach().numpy()[: plot_size]).reshape(-1, 1)), "b") plt.plot(scaler.inverse_transform(y_train_tensor.detach().numpy().reshape(-1, 1)[: plot_size]), "r") plt.legend() plt.show() y_test_pred = model(x_test_tensor) plt.figure(figsize=(12, 8)) plt.plot(scaler.inverse_transform(y_test_pred.detach().numpy()[: plot_size]), "b") plt.plot(scaler.inverse_transform(y_test_tensor.detach().numpy().reshape(-1, 1)[: plot_size]), "r") plt.legend() plt.show()这段代码后加上图片保存到文件夹A中,且图片分别以文件名1、文件名2命名
可以在代码中添加如下代码,实现保存图片到文件夹A中,并分别以文件名1、文件名2命名:
```
# 保存训练集预测结果图片
plt.figure(figsize=(12, 8))
plt.plot(scaler.inverse_transform((model(x_train_tensor).detach().numpy()[: plot_size]).reshape(-1, 1)), "b")
plt.plot(scaler.inverse_transform(y_train_tensor.detach().numpy().reshape(-1, 1)[: plot_size]), "r")
plt.legend()
plt.savefig('./A/文件名1.png')
# 保存测试集预测结果图片
y_test_pred = model(x_test_tensor)
plt.figure(figsize=(12, 8))
plt.plot(scaler.inverse_transform(y_test_pred.detach().numpy()[: plot_size]), "b")
plt.plot(scaler.inverse_transform(y_test_tensor.detach().numpy().reshape(-1, 1)[: plot_size]), "r")
plt.legend()
plt.savefig('./A/文件名2.png')
```
其中,`plt.savefig()`函数可以将图片保存到指定路径和文件名下。需要注意的是,如果`A`文件夹不存在,需要先创建该文件夹,可以使用`os.makedirs()`函数来创建。
plt.plot(scaler.inverse_transform(y_test_pred.detach().numpy()), "b") plt.plot(scaler.inverse_transform(y_test_tensor.detach().numpy().reshape(-1, 1)), "r") plt.legend() plt.show()以上函数的X轴相距为1,怎么将X轴相距改为0.06
你可以使用`plt.xticks`函数来设置X轴刻度的间距为0.06。具体实现步骤如下:
1. 计算出X轴的数据范围(最小值和最大值)
2. 使用`np.arange`函数生成新的X轴刻度值,间距为0.06
3. 使用`plt.xticks`函数将新的刻度值设置给X轴
下面是一份示例代码,你可以参考一下:
```
import numpy as np
import matplotlib.pyplot as plt
# 假设原来的代码如下
# plt.plot(scaler.inverse_transform(y_test_pred.detach().numpy()), "b")
# plt.plot(scaler.inverse_transform(y_test_tensor.detach().numpy().reshape(-1, 1)), "r")
# plt.legend()
# plt.show()
# 生成一些随机数据作为示例
y_test_pred = np.random.rand(100)
y_test_tensor = np.random.rand(100)
# 计算X轴的数据范围
x_min = 0
x_max = y_test_pred.shape[0]
# 生成新的X轴刻度值
new_ticks = np.arange(x_min, x_max, 0.06)
# 绘制图形并设置X轴刻度
plt.plot(y_test_pred, "b")
plt.plot(y_test_tensor, "r")
plt.legend()
plt.xticks(new_ticks)
plt.show()
```
请注意,上面的代码中使用了随机数据作为示例,你需要将其替换为你自己的数据。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)