学习manim引擎和使用Keras对鸢尾花进行分类学习manim引擎和使用Keras对鸢尾

学习manim引擎
首先，对manim的博客网站资料进行了学习，manim没有文档，一切全是自己摸索，加上我是一个编程半个小白，先看看别人有什么理解。
参考：B站up主的manim的使用。
manim学习日记(三)。
网址就不放了，讲了一些简单的制作。
结构 manim有一些重要的构成：
数学对象场景动画工具
对应的文件夹：mobject sence animation utils
数学对象：我们在动画中表达的一切都是数学对象包括点、线、面、空间、左边、文字等具体可以在包里查看。
【学习manim引擎和使用Keras对鸢尾花进行分类】场景：就是背景，默认的是黑色背景，你也可以使用作者使用的“派”背景。
动画：与动画相关的各类方法，创造，刷新，移动，指示，旋转，强调，变形等，是核心组件。例如：ShowCreation()
utils:大部分引用外部应用的功能都在这里，包括python的绘图库，贝塞尔曲线矢量图，着色系统，latex写公式转成图片等功能
在这里我写了一个极其简单的程序：

from big_ol_pile_of_manim_imports import *class Test(TeacherStudentsScene): def construct(self): text1 = TextMobject('I love you') text2 = TextMobject('this is a funny!') text3 = TextMobject('between we distance similar as :') dot1 = Dot(color=COLOR_MAP["RED_A"],point=UL*2) dot2 = Dot(color=COLOR_MAP["RED_B"],point=DR*2) line1 = Line(dot1,dot2) self.play(ShowCreation(text1)) self.wait(1) self.play(ShrinkToCenter(text1)) self.play(FadeOutAndShift(text1)) self.wait(1) self.play(ShowCreation(text2)) self.wait(1) self.play(FadeOutAndShift(text2,UP)) self.wait(1) self.play(ShowCreation(text3)) self.wait(1) self.play(FadeOut(text3)) self.wait(1) self.play(ShowCreation(dot1)) self.wait(1) self.play(ShowCreation(dot2)) self.wait(1) self.play(ShowCreation(line1)) self.wait(3)'''self.play(Write(text)) c1 = Circle() d1= Dot(IN) d2 = Dot(OUT+LEFT*2,color = COLOR_MAP["GREEN_A"]) s1 = Square() e1 = Ellipse() s2 = Sector(outer_radius=4, inner_radius= 0,color=COLOR_MAP["MAROON_A"]) l1 = Line(d1,d2,color =COLOR_MAP["YELLOW_B"]) d3 = DashedLine(d1,d2) a1 =Arrow(d1,d2) #p1 = Polygon(np.array([1,2,3,4],[-1,-2,-3,-4])) # p2 = RegularPolygon()self.play(ShowCreation(c1)) self.play(ShowCreation(d1)) self.play(ShowCreation(d2)) self.play(ShowCreation(e1)) self.play(ShowCreation(s2)) self.play(ShowCreation(l1)) self.play(ShowCreation(a1)) # self.play(ShowCreation(p1)) # self.play(ShowCreation(p2)) self.play(Transform(c1,d1)) self.play(ShowCreation(s1)) self.play(FadeOutAndShift(d1)) self.play(FadeOutAndShift(d2)) self.play(FadeOutAndShift(e1)) self.play(FadeOutAndShift(s2)) self.play(FadeOutAndShift(l1)) self.play(FadeOutAndShift(a1)) self.wait()'''

程序虽然简单，但是足以明白程序的实现过程。
另外：怎样去执行程序：

python -m manim -h #查看命令帮助 -m是指定驱动引擎 #接下来给个实例： python -m manim -w test.py Test -pl #-w 写入媒体文件，-p 预览， -l 低质量 test.py 自己所写的py文件， Test实例化的动画(在上面)

更多内容查看官方的极简文档。
keras对鸢尾花分类
之前学习多元统计分析时曾经使用过判别分析对鸢尾花进行分类。使用软件是R，准确度在百分之九十以上。
现在，使用基于多层感知器 (MLP) 的 softmax 多分类对鸢尾花进行分类。
鸢尾花数据是常用的测试算法的数据，随便在网上就能下载。

import numpy as np data = https://www.it610.com/article/np.loadtxt('iris.csv',delimiter=',')#删除数据的第一行，神经网络训练不需要变量名，对最后一列进行编码，将类型变为0 1 2 X = data[:,0:-1] y = data[:,-1]from sklearn.model_selection import train_test_splitX_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state = 0)y_train = y_train.reshape(120,1)#sklearn方法切割的数据维度不符合，需要变形 y_test = y_test.reshape(30,1)import keras from keras.models import Sequential from keras.layers import Dense,Dropout,Activation from keras.optimizers import SGDy_train = keras.utils.to_categorical(y_train,num_classes=3) y_test = keras.utils.to_categorical(y_test,num_classes=3)#keras的方法标记标签model = Sequential() model.add(Dense(100,input_dim=4,activation ='relu')) model.add(Dropout(0.5)) model.add(Dense(100,activation='relu')) model.add(Dropout(0.5)) model.add(Dense(3,activation='softmax'))sgd = SGD(lr=0.01,decay=1e-6,momentum=0.9,nesterov=True) model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy']) #输入层的维度要和数据的变量维度相同,这里我有两个隐含层，一个softmax层（最后的输出层）。SGD是随机梯度下降法。 #complie是配置过程，在这里，需要设置损失函数，优化方法，评价指标。model.fit(X_train,y_train,epochs=20,batch_size=20) model.evaluate(X_test,y_test,batch_size=20) #模型训练和模型评估。batch_size是随机梯度下降一批的数量，epochs是迭代的次数。import pydot_ng as pydot from keras.utils import plot_model plot_model(model,to_file='model.png') #可视化，但是我失败了。用了2个小时的时间没有找到原因。