fig, ax = plt.subplots(1,2) ax[0].plot(history.history['loss'], color='b', label="Training loss") ax[0].plot(history.history['val_loss'], color='r', label="Testing loss",axes =ax[0]) legend = ax[0].legend(loc='best', shadow=True) ax[1].plot(history.history['accuracy'], color='b', label="Training accuracy") ax[1].plot(history.history['val_accuracy'], color='r',label="Testing accuracy") legend = ax[1].legend(loc='best', shadow=True) plt.title('Loss and Accuracy of DNN Model') plt.show()

这是一个使用Matplotlib绘制的DNN模型的训练和测试损失图以及训练和测试准确率图，其中训练损失和准确率用蓝色线表示，测试损失和准确率用红色线表示。第一行代码中的1表示创建一个包含1个子图的Figure对象，2表示将该Figure对象分成一行两列，ax[0]和ax[1]则表示第一个子图和第二个子图。第二行代码中，使用plot函数绘制了训练损失和测试损失的曲线，其中label参数用于指定曲线的名称。第三行代码中，使用legend函数添加图例并指定其位置和阴影效果。第四行代码中，绘制了训练准确率和测试准确率的曲线，并添加了相应的图例及其位置和阴影效果。最后一行代码中，使用title函数添加图表标题，并使用show函数将图表展示出来。

相关问题

fig, ax1 = plt.subplots(

fig, ax1 = plt.subplots()是用于创建一个包含一个子图的Figure对象和一个Axes对象的函数[^1]。其中，Figure对象代表整个图形窗口，而Axes对象则代表一个具体的绘图区域。

下面是一个示例，演示了如何使用fig, ax1 = plt.subplots()创建一个包含两个子图的图形窗口，并在每个子图中绘制不同的数据[^2]：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图形窗口和子图
fig, ax1 = plt.subplots()

# 在第一个子图中绘制数据
ax1.plot(x, y1, 'b', lw=1.5, label='1st')
ax1.plot(x, y1, 'ro')
ax1.grid(True)
ax1.legend(loc=0)
ax1.set_xlabel('index')
ax1.set_ylabel('value 1st')
ax1.set_title('A Simplot plot')

# 创建第二个子图
ax2 = ax1.twinx()

# 在第二个子图中绘制数据
ax2.plot(x, y2, 'g', lw=1.5, label='2nd')
ax2.plot(x, y2, 'ro')
ax2.legend(loc=0)
ax2.set_ylabel('value 2nd')

# 显示图形
plt.show()

这段代码会创建一个包含两个子图的图形窗口，其中第一个子图绘制了y1的数据，第二个子图绘制了y2的数据。每个子图都有自己的y轴，但共享x轴。在绘制完数据后，使用plt.show()函数显示图形。

fig, ax = plt.subplots()

This code creates a figure object and an axis object. The figure object is the top-level container for all the plot elements, while the axis object represents the coordinate system of the plot. The axis object is where you actually plot your data.

You can modify the figure and axis objects using a variety of methods and properties, such as changing the size of the figure, adding titles or labels, adjusting the axis limits or ticks, and so on.

Once you have created the figure and axis objects, you can start plotting your data by calling various plotting functions on the axis object. For example, you might use ax.plot() to plot a line, ax.scatter() to plot a scatter plot, or ax.hist() to plot a histogram.