pytorch深度学习实践打卡day1

线性模型

#线性模型
import numpy as np
import matplotlib.pyplot as plt
#数据集
x_data=[1.0,2.0,3.0]
y_data=[2.0,4.0,6.0]
#模型函数
def forward(x):
    return x*w
#损失函数
def loss(x,y):
    y_pred=forward(x)
    return(y_pred - y)**2

#穷举法
w_list=[]
mse_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)
    mse_list.append(l_sum/3)

    #显示结果
plt.plot(w_list,mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()

课后作业

#作业关于Y=wx+b的线性模型代码实现
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
#输入数据集
x_data=[1.0,2.0,3.0]   #取函数y=2X+1的真实值
y_data=[3.0,5.0,7.0]
#模型函数，此模型函数中含有两个参数
def forward(x):
    return x*w+b
#损失函数
def loss(x,y):
    y_pred=forward(x)
    return (y_pred-y)*(y_pred-y)

mse_list=[]  #保存损失值均值
W=np.arange(0.0,4.1,0.1)
B=np.arange(0.0,4.1,0.1)
[w,b]=np.meshgrid(W,B)   #坐标轴上的所有坐标点

#累加损失值的变量
l_sum=0;
for x_val,y_val in zip(x_data,y_data):
    y_pred_val=forward(x_val)
    print(y_pred_val)
    loss_val=loss(x_val,y_val)
    l_sum+=loss_val

fig=plt.figure()
ax=Axes3D(fig)
ax.plot_surface(w,b,l_sum/3)
#显示各坐标轴的值
ax.set_xlabel("W的值: ")
ax.set_ylabel("B的值: ")
ax.set_zlabel("损失值")
plt.show()

运行结果，可以看到在W=2，B=1处损失值最小