PyTorch深度学习实践代码 第二讲

#输入必要的库去画曲线图
import numpy as np
import matplotlib.pyplot as plt
#准备训练集
x_data = [1.0,2.0,3.0]
y_data = [2.0,4.0,6.0]
#定义模型
def forward(x):
    return x * w
#定义损失函数
def loss(x,y):
    y_pred = forward(x)
    return (y_pred - y) * (y_pred - y) 
#将权重w和权重w的损失值记录在列表中
w_list = []
mse_list = []

#设权重w在0-4的范围内，间隔设为0.1
for w in np.arange(0.0,4.1,0.1):
    #输出权重w
    print('w=',w)
    #设初始损失总计为0
    l_sum = 0
    #zip将可迭代的对象x_data,y_data作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表 
    for x_val,y_val in zip(x_data,y_data):
        #计算y的预测值
        y_pred_val = forward(x_val)
        #计算y的损失值
        loss_val = loss(x_val,y_val)
        #对损失值进行求和
        l_sum += loss_val
        #输出x,y,预测值,损失值
        print('\t',x_val,y_val,y_pred_val,loss_val)
    #输出均方差
    print("MSE",l_sum/3)
    #将权重w放入列表中
    w_list.append(w)
    #将损失放入列表中
    mse_list.append(l_sum/3)
    
plt.plot(w_list,mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()