如何在TensorFlow中绘制指定输入区间内的激活函数2D图像

嘿，我来帮你搞定这个需求！其实实现起来超简单，咱们用TensorFlow生成输入数据，再搭配Matplotlib绘图，就能做出和你想要的示例图风格一致的效果。下面是完整的步骤和代码：

1. 导入必要的库 #

首先得把TensorFlow和绘图用的Matplotlib导进来：

import tensorflow as tf
import matplotlib.pyplot as plt

2. 生成输入区间数据 #

咱们选一个能完整展示sigmoid特性的输入区间（比如-10到10），生成足够多的点让曲线更平滑：

# 生成从-10到10的1000个均匀分布的输入点
x = tf.linspace(-10.0, 10.0, 1000)

3. 计算Sigmoid输出 #

用TensorFlow内置的sigmoid函数计算每个输入对应的输出值：

# 计算sigmoid激活后的输出
y = tf.nn.sigmoid(x)

4. 绘制并美化图像 #

接下来用Matplotlib把曲线画出来，调整样式让图更清晰美观，贴近你要的示例效果：

# 用seaborn风格让图的视觉效果更好
plt.style.use('seaborn-v0_8')

# 绘制sigmoid曲线，设置线宽和颜色
plt.plot(x.numpy(), y.numpy(), linewidth=3, color='#1f77b4')

# 添加标题和坐标轴标签
plt.title('Sigmoid Activation Function', fontsize=14)
plt.xlabel('Input Value', fontsize=12)
plt.ylabel('Output Value', fontsize=12)

# 添加网格线，增强可读性
plt.grid(True, alpha=0.3)

# 可选：添加sigmoid的数学公式到图中，更直观
plt.text(6, 0.8, r'$\sigma(x) = \frac{1}{1 + e^{-x}}$', fontsize=16)

# 显示图像
plt.show()

扩展小技巧 #

• 如果想绘制其他激活函数（比如ReLU、Tanh），只需要把tf.nn.sigmoid换成对应的函数即可，比如tf.nn.relu、tf.nn.tanh
• 调整输入区间的话，修改tf.linspace里的起始和结束值就行，比如改成-5到5或者更宽的范围
• 要是想调整曲线颜色、线宽或者添加更多标注，直接修改Matplotlib的相关参数就可以

内容的提问来源于stack exchange，提问作者Aref Riant