pytorch 深度学习实践_p2线性模型

这是在李宏毅的2020机器学习做作业3的时候，发现要用到torch，所以去临时学的一门课程，顺便记录下自己学习过程中的收获还有代码

pytorch课程链接->https://www.bilibili.com/video/BV1Y7411d7Ys?p=2

知识点补充

• zip（）函数的用法

zip函数的原型为：zip([iterable, …])
参数iterable为可迭代的对象，并且可以有多个参数。该函数返回一个以元组为元素的列表，
其中第 i 个元组包含每个参数序列的第 i 个元素。返回的列表长度被截断为最短的参数序列的长度。
只有一个序列参数时，它返回一个1元组的列表。没有参数时，它返回一个空的列表。
原文链接：https://blog.csdn.net/csdn15698845876/article/details/73411541

• np.arrange()

和python中的range类似，但是range不支持浮点数类型，所以这里要借用numpy的arange()函数

完整代码

import numpy as np
import matplotlib.pyplot as plt
x_data = [1.0, 2.0, 3.0, 4.0]
y_data = [2.0, 4.0, 6.0, 8.0]

def forward(x):
    return w*x

def loss(x,y):
    y_pre = forward(x)
    return (y_pre-y)**2

w_list = []
mes_list =[]
for w in np.arange(0.0, 4.1, 0.1):
    print('w=',w)
    l_sum = 0
    for x_val, y_val in zip(x_data,y_data):
        y_pred_val = forward(x_val)
        loss_val = loss(x_val,y_val)
        l_sum += loss_val
        print('\t', x_val, y_val, y_pred_val, loss_val)
    print('MSE=', l_sum/3)
    w_list.append(w)
    mes_list.append(l_sum/3)

plt.plot(w_list, mes_list)
plt.xlabel('w')
plt.ylabel('Loss')
plt.show()