写一个跑数据可以监测损失率的验证集和训练集在一张图上的python代码

要在一张图上展示训练集和验证集的损失率，你可以使用Python中的matplotlib库来绘制图表。以下是一个简单的示例代码，它展示了如何使用matplotlib绘制训练集和验证集的损失率：

import matplotlib.pyplot as plt
import numpy as np

# 假设这是你的训练集和验证集损失率数据
epochs = np.arange(1, 11)  # 假设有10个epoch
train_loss = np.random.rand(10) * 0.7 + 0.3  # 随机生成的训练损失率数据
val_loss = np.random.rand(10) * 0.3 + 0.05  # 随机生成的验证损失率数据

# 绘制训练集损失率
plt.plot(epochs, train_loss, label='Training Loss', color='blue')

# 绘制验证集损失率
plt.plot(epochs, val_loss, label='Validation Loss', color='red')

# 添加图表标题和标签
plt.title('Training and Validation Loss over Epochs')
plt.xlabel('Epochs')
plt.ylabel('Loss Rate')

# 显示图例
plt.legend()

# 在同一张图上显示两条数据线
plt.grid(True)

# 显示图表
plt.show()

在这段代码中，我们首先导入了matplotlib.pyplot和numpy库，然后使用numpy生成了假设的训练损失率和验证损失率数据。接下来，我们使用`plt.plot()`函数分别绘制了训练集和验证集的损失率，并通过`plt.title()`, `plt.xlabel()`, `plt.ylabel()`为图表添加了标题和轴标签。`plt.legend()`函数用于显示图例，`plt.grid(True)`用于添加网格线，最后通过`plt.show()`函数显示图表。

请根据你的实际损失率数据替换`train_loss`和`val_loss`中的随机数据。