请用python生成一条模拟深度学习中准确率变化的曲线，不要正弦波，一共200个epoch，模型在90个epoch时收敛于0.86并不再变化，在曲线中加入一些随机波动。

你可以使用numpy库生成随机波动，并结合matplotlib库绘制这样的曲线。下面是一个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

# 定义总训练轮数和初始准确率
epochs = np.arange(0, 200)
initial_accuracy = 0.5  # 假设初始准确率为0.5

# 设定模型在90个epoch后收敛的准确率和精度波动范围
converged_accuracy = 0.86
random_fluctuation_range = 0.05

# 初始阶段的线性增长
accuracy_before_convergence = initial_accuracy + (converged_accuracy - initial_accuracy) * epochs / 90

# 后90个epoch保持收敛准确率，加入随机波动
accuracy_after_convergence = np.where(epochs >= 90, converged_accuracy, accuracy_before_convergence)
randomness = np.random.uniform(-random_fluctuation_range, random_fluctuation_range, len(epochs))
accuracy_after_convergence += randomness

plt.plot(epochs, accuracy_after_convergence, marker='o', linestyle=':', color='blue')
plt.plot([90] * 2, [converged_accuracy, converged_accuracy + random_fluctuation_range], 'k--', linewidth=1)

# 设置坐标轴和图标题
plt.xlabel('Epochs')
plt.ylabel('Accuracy')
plt.title('Accuracy vs Epochs with Random Fluctuations')

# 显示图形
plt.show()

这个代码首先让模型在90个epoch后稳定在0.86，之后每个epoch添加一个小范围内的随机波动。注意，`np.random.uniform`函数生成的是均匀分布的随机数。