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()

这行代码是用来创建一个包含单一轴的图像窗口，返回的 fig 是整个图像窗口对象，ax 是单个坐标轴对象。你可以使用 ax 对象来绘制数据，设置坐标轴标签、范围等。例如，你可以使用以下代码将一些数据绘制为折线图：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

# 绘制折线图
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title('Sine Wave')
plt.show()