def plot(self, euler_angles=True, nutation_angle=True, longitudinal_axis=True, show_plot=False, save_plot=True, filepath=os.path.join(os.path.expanduser('~'), 'SpinFigures'), filenames=['Euler.png', 'Nut.png', 'Axis.png']): """Plots figures and saves them to file by default. All arguments are optional and can be changed if necessary. """ if euler_angles: plot.plot_euler_angles(self.t_span, self.psi, self.theta, self.phi) if save_plot: if not os.path.exists(filepath): os.makedirs(filepath) plot.save_plot(os.path.join(filepath, filenames[0])) if nutation_angle: plot.plot_nutation_angle(self.t_span, self.nutation_angle) if save_plot: if not os.path.exists(filepath): os.makedirs(filepath) plot.save_plot(os.path.join(filepath, filenames[1])) if longitudinal_axis: plot.plot_longitudinal_axis(self.t_span, self.nutation_angle, self.precession_angle) if save_plot: if not os.path.exists(filepath): os.makedirs(filepath) plot.save_plot(os.path.join(filepath, filenames[2])) if show_plot: plot.show_plot()
def main(): # parse command line arguments and parse function parsed = parse_args() func = make_func(parsed.func) # optimize 2d parameter vector v of function path = optimize(func, parsed.start, parsed.num_iter, parsed.lr, parsed.beta_g, parsed.beta_h, parsed.hessian_pow, parsed.num_samples) # plot function and steps of optimizer plot_function(func, parsed.window) plot_path(path) show_plot()
def train_iters(input_lang, output_lang, pairs, encoder, decoder, n_iters, print_every=1000, plot_every=100, learning_rate=0.01): start = time.time() plot_losses = [] print_loss_total = 0 # Reset every print_every plot_loss_total = 0 # Reset every plot_every encoder_optimizer = optim.SGD(encoder.parameters(), lr=learning_rate) decoder_optimizer = optim.SGD(decoder.parameters(), lr=learning_rate) training_pairs = [ tensors_from_pair(input_lang, output_lang, random.choice(pairs)) for i in range(n_iters) ] criterion = nn.NLLLoss() for iter in range(1, n_iters + 1): training_pair = training_pairs[iter - 1] input_tensor = training_pair[0] target_tensor = training_pair[1] loss = train(input_tensor, target_tensor, encoder, decoder, encoder_optimizer, decoder_optimizer, criterion) print_loss_total += loss plot_loss_total += loss if iter % print_every == 0: print_loss_avg = print_loss_total / print_every print_loss_total = 0 print('%s (%d %d%%) %.4f' % (time_since(start, iter / n_iters), iter, iter / n_iters * 100, print_loss_avg)) if iter % plot_every == 0: plot_loss_avg = plot_loss_total / plot_every plot_losses.append(plot_loss_avg) plot_loss_total = 0 show_plot(plot_losses)
def just_do_it(cp): ############################################################################### # Stimmungsbarometer holen, auspacken und zeichnen ############################################################################### Stimmungsbarometer.main(cp) fig = figure() ax = fig.add_subplot(111) result_set_stimmung = Stimmungsbarometer.main(cp) datum_tats_kurse = result_set_stimmung[0][0] tats_kurse = result_set_stimmung[0][1] anzahl_buy = result_set_stimmung[1][0][0][0] prozent_buy = result_set_stimmung[1][0][0][1] mittlere_trefferquote_buy = result_set_stimmung[1][0][0][2] anzahl_sell = result_set_stimmung[1][0][1][0] prozent_sell = result_set_stimmung[1][0][1][1] mittlere_trefferquote_sell = result_set_stimmung[1][0][1][2] anzahl_neutral = result_set_stimmung[1][0][2][0] prozent_neutral = result_set_stimmung[1][0][2][1] mittlere_trefferquote_neutral = result_set_stimmung[1][0][2][2] print "buy: ", anzahl_buy print "sell: " ,anzahl_sell print "neutral: " ,anzahl_neutral print print print "%f Prozent aller Analysten sagen Buy!" %(prozent_buy) print "Mittlere Trefferquote derer die Buy sagen: %f" %(mittlere_trefferquote_buy) print print "%f Prozent aller Analysten sagen Sell!" %(prozent_sell) print "Mittlere Trefferquote derer die Sell sagen: %f" %(mittlere_trefferquote_sell) print print "%f Prozent aller Analysten sagen Neutral!" %(prozent_neutral) print "Mittlere Trefferquote derer die Neutral sagen: %f" %(mittlere_trefferquote_neutral) prognose_punkte_buy = result_set_stimmung[2][0][0][0] punkte_datum_buy = result_set_stimmung[2][0][0][1] prognose_punkte_sell = result_set_stimmung[2][0][1][0] punkte_datum_sell = result_set_stimmung[2][0][1][1] prognose_punkte_neutral = result_set_stimmung[2][0][2][0] punkte_datum_neutral = result_set_stimmung[2][0][2][1] mittelwertkurve_buy = result_set_stimmung[2][0][3][0] mittelwertkurve_datum_buy = result_set_stimmung[2][0][3][1] mittelwertkurve_sell = result_set_stimmung[2][0][4][0] mittelwertkurve_datum_sell = result_set_stimmung[2][0][4][1] mittelwertkurve_neutral = result_set_stimmung[2][0][5][0] mittelwertkurve_datum_neutral = result_set_stimmung[2][0][5][1] plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig) plot.plot_future_unbekannt(prognose_punkte_buy, punkte_datum_buy,'#00FF00',ax,fig) plot.plot_future_unbekannt(prognose_punkte_sell, punkte_datum_sell,'#FF0000',ax,fig) plot.plot_future_unbekannt(prognose_punkte_neutral, punkte_datum_neutral,'#FFFF00',ax,fig) plot.plot_trend(mittelwertkurve_datum_buy,mittelwertkurve_buy,'#00FF00',ax,fig) plot.plot_trend(mittelwertkurve_datum_sell,mittelwertkurve_sell,'#FF0000',ax,fig) plot.plot_trend(mittelwertkurve_datum_neutral,mittelwertkurve_neutral,'#FFFF00',ax,fig) plot.show_plot(ax,fig) ############################################################################### # Prognose nach aktuellen analysten holen, auspacken und zeichnen ############################################################################### fig = figure() ax = fig.add_subplot(111) result_set_prog_ind_analyst = prognose_nach_aktuellen_Analysten.main(cp) konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][0] datum_konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][1] konfidenz_intervall_95_sigma_unten = result_set_prog_ind_analyst[1][0] datum_konfidenz_intervall_95_sigma_unten = result_set_prog_ind_analyst[1][1] datum_tats_kurse = result_set_prog_ind_analyst[2][0] tats_kurse = result_set_prog_ind_analyst[2][1] prognose_kurse_analysten = result_set_prog_ind_analyst[3][0] datum_prognosekurse_analysten = result_set_prog_ind_analyst[3][1] unsere_prognose_linie_kurse = result_set_prog_ind_analyst[4][0] datum_unsere_prognose_linie = result_set_prog_ind_analyst[4][1] datum_unsere_prognose_punkte = result_set_prog_ind_analyst[5][0] unsere_prognose_punkte_kurse = result_set_prog_ind_analyst[5][1] sigma = result_set_prog_ind_analyst[6] print sigma plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig) plot.plot_future(prognose_kurse_analysten,datum_prognosekurse_analysten,'yellow',ax,fig) plot.plot_own_forecast_line(unsere_prognose_linie_kurse, datum_unsere_prognose_linie,sigma,ax,fig) plot.plot_own_forecast_points(datum_unsere_prognose_punkte,unsere_prognose_punkte_kurse,ax,fig) plot.show_plot(ax,fig) ###################################################### # Test : Prognose nach aktuellen analysten ################################################### fig = figure() ax = fig.add_subplot(111) result_set_test_prog_ind_analyst = test_prognose_nach_aktuellen_Analysten.main(cp) konfidenz_intervall_95_sigma_oben = result_set_test_prog_ind_analyst[0][0] datum_konfidenz_intervall_95_sigma_oben = result_set_test_prog_ind_analyst[0][1] konfidenz_intervall_95_sigma_unten = result_set_test_prog_ind_analyst[1][0] datum_konfidenz_intervall_95_sigma_unten = result_set_test_prog_ind_analyst[1][1] datum_tats_kurse = result_set_test_prog_ind_analyst[2][0] tats_kurse = result_set_test_prog_ind_analyst[2][1] prognose_kurse_analysten = result_set_test_prog_ind_analyst[3][0] datum_prognosekurse_analysten = result_set_test_prog_ind_analyst[3][1] unsere_prognose_linie_kurse = result_set_test_prog_ind_analyst[4][0] datum_unsere_prognose_linie = result_set_test_prog_ind_analyst[4][1] datum_unsere_prognose_punkte = result_set_test_prog_ind_analyst[5][0] unsere_prognose_punkte_kurse = result_set_test_prog_ind_analyst[5][1] standardabweichung = result_set_test_prog_ind_analyst[6] standardfehler = result_set_test_prog_ind_analyst[7] plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig) plot.plot_future(prognose_kurse_analysten,datum_prognosekurse_analysten,'yellow',ax,fig) plot.plot_own_forecast_line(unsere_prognose_linie_kurse, datum_unsere_prognose_linie,standardabweichung,ax,fig) plot.plot_own_forecast_points(datum_unsere_prognose_punkte,unsere_prognose_punkte_kurse,ax,fig) plot.show_plot(ax,fig) ###################################################### # Prognose nach sämtlichen Analysten ################################################### fig = figure() ax = fig.add_subplot(111) result_set_alle_analysten = prognose_nach_saemtlichen_prognosen_aller_Analysten_ab_2010.main(cp) training_konfidenz_intervall_95_sigma_oben_kurse = result_set_alle_analysten[0][0] training_konfidenz_intervall_95_sigma_oben_datum = result_set_alle_analysten[0][1] training_konfidenz_intervall_95_sigma_unten_kurse = result_set_alle_analysten[1][0] training_konfidenz_intervall_95_sigma_unten_datum = result_set_alle_analysten[1][1] testing_konfidenz_intervall_95_sigma_oben_kurse = result_set_alle_analysten[2][0] testing_konfidenz_intervall_95_sigma_oben_datum = result_set_alle_analysten[2][1] testing_konfidenz_intervall_95_sigma_unten_kurse = result_set_alle_analysten[3][0] testing_konfidenz_intervall_95_sigma_unten_datum = result_set_alle_analysten[3][1] prognose_konfidenz_intervall_95_sigma_oben_kurse = result_set_alle_analysten[4][0] prognose_konfidenz_intervall_95_sigma_oben_datum = result_set_alle_analysten[4][1] prognose_konfidenz_intervall_95_sigma_unten_kurse = result_set_alle_analysten[5][0] prognose_konfidenz_intervall_95_sigma_unten_datum = result_set_alle_analysten[5][1] datum_tats_kurse = result_set_alle_analysten[6][0] tats_kurse = result_set_alle_analysten[6][1] prognose_kurse_analysten = result_set_alle_analysten[7][0] datum_prognosekurse_analysten = result_set_alle_analysten[7][1] training_unsere_vorhersage_linie_kurs = result_set_alle_analysten[8][0] training_unsere_vorhersage_linie_datum = result_set_alle_analysten[8][1] testing_unsere_vorhersage_linie_kurs = result_set_alle_analysten[9][0] testing_unsere_vorhersage_linie_datum = result_set_alle_analysten[9][1] prognose_unsere_vorhersage_linie_kurs = result_set_alle_analysten[10][0] prognose_unsere_vorhersage_linie_datum = result_set_alle_analysten[10][1] konsistenz_sigma = result_set_alle_analysten[11] validity_sigma = result_set_alle_analysten[12] prognosis_sigma = result_set_alle_analysten[13] plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig) plot.plot_own_forecast_line_2(training_unsere_vorhersage_linie_kurs,training_unsere_vorhersage_linie_datum ,konsistenz_sigma,'green',ax,fig) plot.plot_own_forecast_line_2(testing_unsere_vorhersage_linie_kurs,testing_unsere_vorhersage_linie_datum ,validity_sigma,'yellow',ax,fig) plot.plot_own_forecast_line_2(prognose_unsere_vorhersage_linie_kurs,prognose_unsere_vorhersage_linie_datum,prognosis_sigma,'red',ax,fig) plot.plot_future(prognose_kurse_analysten,datum_prognosekurse_analysten,'yellow',ax,fig) plot.show_plot(ax,fig)
mittelwertkurve_datum_sell = result_set_stimmung[2][0][4][1] mittelwertkurve_neutral = result_set_stimmung[2][0][5][0] mittelwertkurve_datum_neutral = result_set_stimmung[2][0][5][1] plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig) plot.plot_future_unbekannt(prognose_punkte_buy, punkte_datum_buy,'#00FF00',ax,fig) plot.plot_future_unbekannt(prognose_punkte_sell, punkte_datum_sell,'#FF0000',ax,fig) plot.plot_future_unbekannt(prognose_punkte_neutral, punkte_datum_neutral,'#FFFF00',ax,fig) plot.plot_trend(mittelwertkurve_datum_buy,mittelwertkurve_buy,'#00FF00',ax,fig) plot.plot_trend(mittelwertkurve_datum_sell,mittelwertkurve_sell,'#FF0000',ax,fig) plot.plot_trend(mittelwertkurve_datum_neutral,mittelwertkurve_neutral,'#FFFF00',ax,fig) plot.show_plot(ax,fig) ############################################################################### # Prognose nach aktuellen analysten holen, auspacken und zeichnen ############################################################################### fig = figure() ax = fig.add_subplot(111) result_set_prog_ind_analyst = prognose_nach_aktuellen_Analysten.main(cp,conn,cursor) konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][0] datum_konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][1] konfidenz_intervall_95_sigma_unten = result_set_prog_ind_analyst[1][0]
from package_simulation import simulate_packages from scheduling import round_robin, fair_queuing print('# =============== #') print('# Scheduling Plot #') print('# =============== #') print('© Dominic Plein 11/2020') # Plot fig, (ax1, ax2, ax3, ax4, ax5) = plot.init_plot() # Packages sources, max_end_time = simulate_packages(15, 40, 10) plot.plot_broken_barh(ax1, 'Eintreffende Pakete', sources, max_end_time) # Round Robin (abbreviated as rr) sources_rr, diff_rr, max_end_time_rr, data_rr = round_robin(deepcopy(sources)) plot.plot_broken_barh(ax2, 'Round-Robin', sources_rr, max_end_time_rr, diff_rr) plot.plot_scatter(ax4, 'Round-Robin (Auswertung)', data_rr) # Fair Queuing (abbreviated as fq) sources_fq, diff_fq, max_end_time_fq, data_fq = fair_queuing(deepcopy(sources)) plot.plot_broken_barh(ax3, 'Fair Queuing', sources_fq, max_end_time_fq, diff_fq) plot.plot_scatter(ax5, 'Fair Queuing (Auswertung)', data_fq) # Plot ax1.set_xlim(0, max(max_end_time_rr, max_end_time_fq)) plot.save(fig) plot.show_plot()
'|x_k-x_{k+1}|' ]) for row in iterations: table.add_row(create_iterative_method_row(func, row)) if (output_mode == OUTPUT_FILE): write_output_to_file(output_filename, [ "Найденное решение: {}".format(result.point), "Значение в этой точке: {}".format(result.value), "Количество итераций: {}".format(result.iterations_count), table.get_string() if args.verbose else '' ]) save_plot_in_file("plot.png") else: print("Найденное решение: {}".format(result.point)) print("Значение в этой точке: {}".format(result.value)) print("Количество итераций: {}".format( result.iterations_count)) if args.verbose: print(table) show_plot() except IllegalConditionException as e: print(e) if (output_mode == OUTPUT_FILE): save_plot_in_file("plot.png") else: show_plot() print("Введите интервал(для выхода наберите exit):") interval = loop_read_interval_from_stdin(stdin) except Exception as e: print("Произошла ошибка:") print(e)