pytorch实践02（刘二大人）

本节主要讲的是线性模型

涉及的主要代码有：

import torch
import matplotlib.pyplot as plt
import numpy as np

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]


def forawrd(x):
    return w * x


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


w_list = []
mse_list = []
for w in arange(0, 4, 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_lsit.append(w)
    mse_list.append(l_sum/3)


plt.plot(w_list,mse_list)
plt.ylabel('mse')
plt.xlabel('w')
plt.show()

会得到如下的结果图：

从图中不难看出w=2.0时均方误差最小。

在课程最后布置了课后作业：

主要是用新的模型(添加了偏置b)，并画出3D曲面图：

我所做的代码如下：

import torch
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]


def forawrd(x):
    return w * x + b


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


w_cor = np.arange(0, 4, 0.1)
b_cor = np.arange(-2, 2, 0.1)
w, b = np.meshgrid(w_cor, b_cor)
mse_list = []
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
    mse_list.append(l_sum / 3)
    
    
fig = plt.figure()
ax = Axes3D(fig)
plt.xlabel('w')
plt.ylabel('b')
ax.plot_surface(w, b, l_sum / 3, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
plt.show()

得到3D曲面图如下：

 对比课后作业中的图形几乎一样！！