《PyTorch深度学习实践1》——线性模型（Linear Model）

1.基本思想：
给出了一组一维数据，定义了一个简单的线性拟合函数，通过穷举法来列出一些权重（拟合函数的系数），并计算这些权重对应的拟合损失函数（使用均方误差（MSE））。

Linear Model：$\hat{y}=w\ast x$ (为了简化模型，未加偏置项b)
Training Loss (Error)：$loss=(\hat{y}-y{)}^2=(w\ast x-y{)}^2$
Mean Square Error：$cost=\frac{1}{N}\sum _{n=1}^N(\widehat{y_n}-y_n{)}^2$

2.课程代码：

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]

# 定义拟合函数
def forward(x):
    return x * w

# 定义损失函数
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2

# 存放权重（系数）和相应损失
w_list = []
mse_list = []

# 权重使用穷举法
for w in np.arange(0.0, 4.1, 0.1):
    print("w={:.2f}".format(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',"{:.2f} {:.2f} {:.2f} {:.2f}".format(x_val, y_val, y_pred_val, loss_val))
    print('MSE={:.2f}'.format(l_sum / 3))
    # 存储权重（系数）和相应损失
    w_list.append(w)
    mse_list.append(l_sum / 3)

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

3.运行结果（部分截图）：

本文为系列文章：

上一篇	《Pytorch深度学习实践》目录	下一篇
——	资料	梯度下降算法（Gradient Descent）