Matplotlib последовательно печатает/добавляет к изображению

В настоящее время у меня есть огромный набор данных, который не помещается в памяти. Для обучения я использовал tf.Dataset для обучения своей нейронной сети. К сожалению, теперь я хочу проверить свои результаты, но набор данных + печать не помещаются в мои 32 ГБ памяти. Есть ли способ частично или последовательно распечатать график или несколько графиков в файл с помощью matplotlib. Таким образом, после каждого predict_on_batch я рисовал часть графика (загрузить изображение, нарисовать, сохранить изображение). В конце концов, я хочу полный график, чтобы проверить мои результаты. Буду признателен за любые идеи или решения проблемы «данные не помещаются в памяти, но мне нужен график для их визуализации». Это не размеченные данные, поэтому нет другого способа, кроме визуальной проверки.

Что вы пытаетесь изобразить на графике? Как и в каких переменных вы хотите по осям x и y? Редко требуется весь набор данных для построения графика, обычно вы используете сводную статистику, такую ​​​​как RMSE, в тестовом наборе и т. д.?

Ari Cooper-Davis 28.03.2022 10:54

Ну, я ищу закономерности в MSE прогноза. Но закономерности заранее неизвестны.

lkaupp 28.03.2022 10:57

Итак, какие переменные вам нужны на осях x и y? MSE по y и эпоха обучения по x?

Ari Cooper-Davis 28.03.2022 10:59

номер партии по x, ms по y

lkaupp 28.03.2022 11:07

Можете ли вы опубликовать свой код (или, в идеале, только соответствующий тренировочный бит)? Эта информация обычно уже фиксируется TF в процессе обучения, поэтому часто нет необходимости создавать собственные списки.

Ari Cooper-Davis 28.03.2022 11:43

насколько я знаю, model.evaluate дает вам только среднее значение mse по всем партиям, но мне нужно значение mse для каждой строки подачи. У меня есть набор данных (> 1 м, 32 партии, 1800 строк, 540 столбцов). Мне нужны значения mse 1 м * 32 * 1800, и я хочу, чтобы они были напечатаны.

lkaupp 28.03.2022 12:39
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
2
6
26
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я бы подошел к этой проблеме, сохранив информацию в виде списка, а не частичного графика.

Я предполагаю, что вы хотите, чтобы ваш конвейер выглядел так:

  1. создать пустой участок
  2. прогнозировать по партии
  3. график новых результатов
  4. повторите шаги 2 и 3

То, что я предлагаю, выглядит примерно так:

  1. инициализировать пустые списки
  2. прогнозировать по партии
  3. добавить результаты в списки
  4. повторите шаги 2 и 3
  5. построить окончательные массивы

Следуя вашему пути, создал CSV и продолжайте добавлять результаты. Спасибо. Я думал, что есть другой способ, но зачем все усложнять :D

lkaupp 28.03.2022 11:55

Другие вопросы по теме