学习记录 pytorch 线性模型

最新推荐文章于 2024-05-31 12:44:24 发布

35星

最新推荐文章于 2024-05-31 12:44:24 发布

阅读量322

点赞数

文章标签： pytorch

本文链接：https://blog.csdn.net/qq_21869661/article/details/125662324

版权

今天从pytorch深度学习实践开始学习，线性模型为其实践第一讲

开始学习时我还没掌握python的基础，对于大部分函数的应用摸不着头脑。所以最开始还是优先跟着视频里老师讲解的代码一一敲打和理解。对着视频理解很容易，也懂得了一些函数用法。

import numpy as np
import matplotlib.pyplot as plt

x_data = [1.0,2.0,3.0]
y_data = [2.0,4.0,6.0]
def forward(x):
    return x*w

def loss(x,y):
    y_pred =forward(x)
    return (y_pred - y) * (y_pred - y)

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)
plt.plot(w_list,mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()

这份代码要求的是对y=wx这个线性模型的设计与绘制。

这是输出结果：

对于这个线性模型，首先是如何确定w的值，视频里用到穷举法，测试然后给出一个与实际w相近的值，从最低开始以0.1自增，同时计算出损失函数即loss函数，将损失函数进行输出，绘制图表。

通过这份代码学习了一些基础函数的应用。比如 zip函数 for循环以及arrange，append，还有2维图像的简单绘制。这些都还算好理解。当然，要想真正学会只有这些不够，视频里面还有布置一份作业。

如何求y=wx+b的线性模型呢？我一开始想的是将forwar函数中的返回值加上b即可，至于损失函数，不需要去改变。事实也是如此，但是，视频中老师说了这个线性模型有两个参数，要以俩个参数为一个平面来绘制，而且绘制出来的是一个3D模型。因此，我选择去看看其他博主的代码，看看如何绘制3D模型。然后这是我根据其他博主的代码来修改的，虽然基本一样，但还是有一点点差别。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x_data = [1.0,2.0,3.0]
y_data = [2.0,4.0,6.0]
def forward(x):
    return x*w+b

def loss(x,y):
    y_pred =forward(x)      #w是矩阵
    return (y_pred - y) * (y_pred - y)

w_cor = np.arange(0.0,4.1,0.1)
b_cor = np.arange(-2.0,2.1,0.1)

w,b = np.meshgrid(w_cor,b_cor)#生成坐标矩阵
mse = np.zeros(w.shape)#生成与w同行列的零矩阵


for x_val, y_val in zip(x_data,y_data):
    loss_val = loss(x_val,y_val)
    mse += loss_val
mse /= len(x_data)
print(mse)

h=plt.contourf(w,b,mse)
fig = plt.figure()
ax = Axes3D(fig)
plt.xlabel(r'w', fontsize=20, color='cyan')
plt.ylabel(r'b', fontsize=20, color='cyan')
ax.plot_surface(w, b, mse, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
plt.show()

得到的结果：