PyTorch深度学习练习-简单实现y=w*x+b模型画图-零基础

看来不少实现的代码，自己也总结思考了一下，记录一下。

import numpy as np
import matplotlib.pyplot as plt

# 数据集，先给出准确模型y=2x + 1
x_data = [1.0, 2.0, 3.0, 4.0]
y_data = [3.0, 5.0, 7.0, 9.0]

# 定义模型
def forward(x):
    return x * W + B

# 定义损失函数：这里使用均方误差（MSE）作为损失函数
def loss(x, y):
    y_val = forward(x)
    return ((y_val - y) ** 2)

w = np.arange(0, 4.1, 0.1)
b = np.arange(-2, 2.1, 0.1)

# 将w，b组合成一个二维矩阵，这样设定的好处就是避免再去写循环进行遍历
[W,B] = np.meshgrid(w,b)

l_sum = 0
# 由于定义了二维矩阵，所以说在for循环中调用forward函数时会将所有w，b的组合都进行运算，例如y_pred_val其实就是一个包含多个预测值的数组
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

# 引入matplotlib 3D画图
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(projection='3d')

# 设置 x、y、z 轴的标签
ax.set_xlabel('W (Weight)')
ax.set_ylabel('B (Bias)')
ax.set_zlabel('Loss')

#设置标题
ax.set_title('Cost Value')

# surface中的数必须是二维矩阵
ax.plot_surface(W, B, l_sum/4)
plt.show()

我觉得要仔细的了解一下np.meshgrid（）函数的作用

运行结果图：