实现线性模型（y=wx+b）并输出loss的3D图像

实现线性模型（y=wx+b）并输出loss的3D图像

import numpy as np
import matplotlib.pyplot as plt

# 定义数据集
x_data = [1.0, 2.0, 3.0]
y_data = [1.9, 3.9, 5.9]

# W和B定义了权重w和偏置b的范围，分别从0到4（步长为0.1），和从-2到2（步长为0.1）
# .round(1)是对生成的数组进行四舍五入保留一位小数的操作
W = np.arange(0.0, 4.1, 0.1).round(1)
B = np.arange(-2.0, 2.1, 0.1).round(1)
# 生成网格坐标矩阵
# np.meshgrid()的作用就是根据给定的一维数组，生成一个网格坐标矩阵，其中每个点的坐标都是由这些数组的元素组成的
w, b = np.meshgrid(W, B)


# 定义模型：y = x * w - b
def forward(x):
    return x * w + b


# 损失函数
def loss(y_pre, y):
    return (y_pre - y) ** 2


l_sum = 0  # 计算损失之和
for x_val, y_val in zip(x_data, y_data):
    y_pre = forward(x_val)
    loss_val = loss(y_pre, y_val)
    l_sum += loss_val
mse = l_sum / len(x_data)

# 定义figure,创建一个新的图形对象,如果不定义figure，它将会覆盖之前存在的坐标系
# figsize=(10, 10): 指定了图形的大小为宽度和高度都是10英寸
# dpi=300: 设置图形的分辨率为300像素每英寸
fig = plt.figure(figsize=(10, 10), dpi=300)

# 创建一个3D坐标轴
# plt.axes(): 这是 Matplotlib 中用于创建坐标系的函数。当设置 projection='3d'时，它会创建一个三维坐标系对象
ax = plt.axes(projection='3d')
# ax.plot_surface 表示在3D坐标轴ax上绘制损失函数的曲面图
# w,b,mse是x,y,z轴所需的数据
# rstride：行步长，默认为1、cstride：列步长，默认为1，这些参数影响绘制表面图时网格的密度，如果设置为 2，则每隔一个行（列）元素绘制一个
# cmap: 颜色映射，即用来对 Z 轴数据进行颜色映射的 colormap。
# 在这个例子中，设置为 'rainbow'，表示使用彩虹色的颜色映射方案。
# 可以选择不同的 colormap，比如 'viridis'、'coolwarm' 等
surf = ax.plot_surface(w, b, mse, rstride=1, cstride=1, cmap='coolwarm')

# 设置z轴的显示范围
ax.set_zlim(0, 40)

# 设置图标
ax.set_xlabel('w')
ax.set_ylabel('b')
ax.set_zlabel('Loss')
# 添加文本标签（0.2，2，43）表示在x，y，z上的位置
ax.text(0.2, 2, 43, 'Cost Value', color='black')

# 增加颜色条
# 颜色条会根据surf对象的数据进行着色，shrink=0.5 指定了颜色条相对于默认大小的缩小比例为 0.5，aspect=5 控制了颜色条的长宽比为 5
fig.colorbar(surf, shrink=0.5, aspect=5)
fig.show()

参数cmap='coolwarm'时图形颜色为：

参数cmap='rainbow'时图形颜色为：

定义figure，会创建一个新的图形对象，修改代码里的内容时在运行他不会覆盖之前已经创建好的图形