Pytorch深度学习实践(一）

一、overview

二、Linear_Model（线性模型)

模型学习：DataSet(数据集) -> Model(模型) -> Training(训练) -> inferring(推理)

训练时如果y值已知的学习是监督学习。数据分为训练集（用于学习）和测试集（用于比对）。

在训练过程中，为了避免过拟合，将训练集中的一部分划分为开发集。

Training Loss针对一个样本Mean Square Error（MSE平均平方误差）针对整个训练集

代码实现

/绘图
import numpy as np
import matplotlib.pyplot as plot
/输入样本
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)  

w_list = []
mes_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)
    mes_list.append(l_sum/3)

plt.plot(w_list,mes_list)
plt.ylabel('LOSS')
plt.xlabel('w')
plt.show()

​