刚刚开始学习pytorch,记录分享一下作业过程以及问题,欢迎各位指出问题!一起讨论呀
跟刘二大人一起学习的,讲的非常详细清楚,我只学了c语言和一点python就可以听懂,感觉逻辑很流畅,当然里面很多东西还需要深挖
作业(一)
求线性模型:的cost function,并画出以w,b,cost为三个轴的3D图
使用的数据是假设代码如下:
#调用工具包
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
#用于训练的x,y数据集
x_data = [1.0, 2.0, 3.0]
y_data = [3.0, 5.0, 7.0]
W, B = np.arange(0.0, 4.1, 0.1), np.arange(0, 4, 1)# 规定 W,B 的区间
w, b = np.meshgrid(W, B, indexing='ij')# 构建矩阵坐标;这个还不太懂
#定义函数
def forward(x):
return x * w+b
#定义损失函数
def loss(x, y):
y_pred = forward(x)
return (y_pred-y)*(y_pred-y)
mse_lst = []
l_sum = 0.
for x_val, y_val in zip(x_data, y_data):
loss_val = loss(x_val, y_val)
l_sum += loss_val
mse_lst.append(l_sum/3)
'''#此时w,b,MSE都是数据集,需要取很多的值然后跑遍所有的量
w_list = []
b_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):
print('w=', w)
for b in np.arange(0, 4, 0.1):
l_sum = 0
print('b=',b)
b_list.append(b)
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)
mse_list.append(l_sum / 3)
w_list.append(w)
#这是2D的画法
plt.plot(w_list, mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()
'''
#3D画法如图所示
# 定义figure
fig = plt.figure(figsize=(10,10), dpi=300)
# 将figure变为3d
ax = Axes3D(fig)
# 绘图,rstride:行之间的跨度 cstride:列之间的跨度
surf = ax.plot_surface(w, b, np.array(mse_lst[0]), rstride=1, cstride=1, cmap=cm.coolwarm, linewidth=0, antialiased=False)
# Customize the z axis.
ax.set_zlim(0, 40)
# 设置坐标轴标签
ax.set_xlabel("w")
ax.set_ylabel("b")
ax.set_zlabel("loss")
ax.text(0.2, 2, 43, "Cost Value", color='black')
# Add a color bar which maps values to colors.
fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()
画出来的图是这样,感觉不是很好看,不知道是否有误
![](https://img-blog.csdnimg.cn/img_convert/1c766dc06cef689f1958486538ec15c9.png)
刘二大人推荐的画3D图的网站
3D图,但是我目前还没学会自己想画的那种,存一下,后面有机会再来试试