曼德布洛特(Mandelbrot)集合

说明：使用python3.6、tensorflow1.3，windows环境。

# 导入仿真库

import tensorflow as tf
import numpy as np

# 导入可视化库
import PIL.Image                                 #python3.6安装pillow库
# from cStringIO import StringIO       #改成下面的
from io import BytesIO
from IPython.display import clear_output, Image, display
import scipy.ndimage as nd

#显示图形
import matplotlib.pyplot as plt 


# 现在我们将定义一个函数来显示迭代计算出的图像
def DisplayFractal(a, fmt='jpeg'):
  """显示迭代计算出的彩色分形图像。"""
  a_cyclic = (6.28*a/20.0).reshape(list(a.shape)+[1])
  img = np.concatenate([10+20*np.cos(a_cyclic),
                        30+50*np.sin(a_cyclic),
                        155-80*np.cos(a_cyclic)], 2)
  img[a==a.max()] = 0
  a = img
  a = np.uint8(np.clip(a, 0, 255))
  #f = StringIO()  py3改写
  f = BytesIO()
  PIL.Image.fromarray(a).save(f, fmt)
  display(Image(data=f.getvalue()))


# 会话（session）和变量（variable）初始化
sess = tf.InteractiveSession()


# 使用NumPy创建一个在[-2,2]x[-2,2]范围内的2维复数数组
Y, X = np.mgrid[-1.3:1.3:0.005, -2:1:0.005]
Z = X+1j*Y


# 现在我们定义并初始化一组TensorFlow的张量 （tensors）
xs = tf.constant(Z.astype("complex64"))
zs = tf.Variable(xs)
ns = tf.Variable(tf.zeros_like(xs, "float32"))


# TensorFlow在使用之前需要你明确给定变量的初始值
#tf.initialize_all_variables().run()
tf.global_variables_initializer().run()
# 定义并运行计算
# 计算一个新值z: z^2 + x
zs_ = zs*zs + xs


# 这个新值会发散吗？
#not_diverged = tf.complex_abs(zs_) < 4
not_diverged = tf.abs(zs_) < 4


# 更新zs并且迭代计算。
# 说明：在这些值发散之后，我们仍然在计算zs，这个计算消耗特别大！
# 如果稍微简单点，这里有更好的方法来处理。
step = tf.group(
  zs.assign(zs_),
  ns.assign_add(tf.cast(not_diverged, "float32"))
  )

# 继续执行几百个步骤
for i in range(200): step.run()

# 让我们看看我们得到了什么
# DisplayFractal(ns.eval())              这一行改成下面的将图形显示出来
plt.imshow(ns.eval())
plt.show()