本节书摘来自华章出版社《面向机器智能的TensorFlow实践》一书中的第2章，第2.7节，作者 山姆·亚伯拉罕（Sam Abrahams）丹尼亚尔·哈夫纳（Danijar Hafner）[美] 埃里克·厄威特（Erik Erwitt）阿里尔·斯卡尔皮内里（Ariel Scarpinelli），更多章节内容可以访问云栖社区“华章计算机”公众号查看。
2.7 安装matplotlib
在Linux/Ubuntu上安装matplotlib的方法非常简单，只需运行下列命令：
就是这样简单！
《面向机器智能的TensorFlow实践》一2.7 安装matplotlib
2017-05-02
1270
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
7天前
|
机器学习/深度学习
TensorFlow
算法框架/工具
TensorFlow入门指南：基础概念与安装
【4月更文挑战第17天】TensorFlow入门指南介绍了该流行深度学习框架的基础概念和安装步骤。核心概念包括张量（多维数组）、计算图（表示计算任务的图结构）、会话（执行环境）以及变量（存储模型参数）。安装TensorFlow可通过pip或conda，GPU支持需额外条件。安装成功后，通过Python验证版本即可开始使用。
12
1
1
|
6月前
|
并行计算
TensorFlow
算法框架/工具
|
4月前
|
JSON
TensorFlow
算法框架/工具
Windows下安装Anaconda5.3.1+Python3.8+TensorFlow2.13.0-CPU版本总结
Windows下安装Anaconda5.3.1+Python3.8+TensorFlow2.13.0-CPU版本总结
115
0
0
|
1月前
|
数据可视化
数据挖掘
Python
Python数据可视化库Matplotlib应用实践
【2月更文挑战第10天】
在数据分析和可视化领域，Python语言的Matplotlib库无疑是一把强大的利器。本文将介绍Matplotlib库的基本用法以及在数据可视化中的应用实践，通过示例代码演示如何利用Matplotlib库创建各种类型的图表，帮助读者更好地理解和运用这一强大工具。
18
0
0
|
9天前
|
机器学习/深度学习
PyTorch
TensorFlow
|
30天前
|
数据可视化
数据挖掘
Python
Python中的数据可视化工具Matplotlib简介与实践
在本文中，我们将介绍Python中常用的数据可视化工具Matplotlib，包括其基本概念、常用功能以及实际应用。通过学习Matplotlib，读者可以更好地理解和运用数据可视化技术，提升数据分析与展示的能力。
16
2
2
|
5月前
|
TensorFlow
算法框架/工具
数据安全/隐私保护
anconda下载+添加清华+tensorflow 安装+No module named ‘tensorflow‘+KernelRestarter: restart failed，内核重启失败
anconda下载+添加清华+tensorflow 安装+No module named ‘tensorflow‘+KernelRestarter: restart failed，内核重启失败
98
0
0
|
5月前
|
数据可视化
PyTorch
TensorFlow
Keras和Tensorflow（CPU）安装、Pytorch（CPU和GPU）安装以及jupyter使用虚拟环境
Keras和Tensorflow（CPU）安装、Pytorch（CPU和GPU）安装以及jupyter使用虚拟环境
97
0
0
|
8月前
|
机器学习/深度学习
并行计算
Ubuntu
软件类配置(一)【Windows下使用conda在虚拟环境中安装CUDA、CUDNN及Tensorflow】
软件类配置(一)【Windows下使用conda在虚拟环境中安装CUDA、CUDNN及Tensorflow】
372
0
0
|
8月前
|
机器学习/深度学习
并行计算
Ubuntu
系统类配置(五)【ubuntu14.04下安装cuda8+nvidia-410.78+cudnn6.0 +tensorflow-gpu==1.4.0。】
系统类配置(五)【ubuntu14.04下安装cuda8+nvidia-410.78+cudnn6.0 +tensorflow-gpu==1.4.0。】
65
0
0
热门文章
最新文章
1
Matplotlib图表类型详解：折线图、柱状图与散点图
2
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（二）（3）
3
Python 基于 Matplotlib 实现数据可视化（二）
4
Matplotlib实战：从数据处理到图表展示
5
Python中的数据可视化工具Matplotlib简介与实践
6
Matplotlib图表中的数据标签与图例设置
7
Matplotlib在数据科学中的应用与案例分析
8
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（二）（2）
9
深度学习框架-Tensorflow2：特点、架构、应用和未来发展趋势
10
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（七）（4）
1
TensorFlow分布式训练：加速深度学习模型训练
14
2
TensorFlow的高级API：tf.keras深度解析
10
3
TensorFlow核心组件详解：张量、图与会话
11
4
优化TensorFlow模型：超参数调整与训练技巧
19
5
TensorFlow入门指南：基础概念与安装
12
6
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（八）（4）
22
7
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（七）（4）
42
8
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（七）（3）
11
9
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（七）（1）
28
10
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（五）（3）
9