PyTorch 深度学习实践 第2讲 linear_model

第二讲 linear_model源代码

B站 六二大人，参考up错错莫，并加入了自己的思考(特别鸣谢）
代码说明：
1.函数forward()中的变量w。这个变量最终的值是从for循环中传入的
2.for循环中，使用了np.arange.numpy中的经典函数，不熟悉的话去补一下numpy基础
3.python中zip函数的用法，传送门： python中zip()函数的用法
4.python中np.meshgrid函数，具体可看这篇博客： link
5.对代码进行了详细的注释，方便新手入门

import  numpy as np
import matplotlib.pyplot as plt

#数据集，输入x，输出y
x_data=[1.0,2.0,3.0]
y_date=[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)**2

##穷举法
w_list=[] #对应的权重保存到列表中
mse_list=[]#对应权重的损失值
for w in np.arange(0.0,4.1,0.1):  #间隔为0.1，生成0.0-4.0的序列
    print("w=",w)
    l_sum=0
    for x_val, y_val in zip(x_data,y_date): #用zip将所x_date,y_date拼成所需要的值
        y_pred_val=forward(x_val) #计算预测
        loss_val=loss(x_val,y_val) #计算损失
        l_sum+=loss_val #求和
        print('\t',x_val,y_val,y_pred_val,loss_val)
    print('MSE=',l_sum/3) #MSE(mean square error) 平均平方误差
    w_list.append(w)
    mse_list.append(l_sum/3) #求平均

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

本节课后作业
作业题目：实现线性模型（y=wx+b）并输出loss的3D图像。

#作业题目：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
from  mpl_toolkits.mplot3d import Axes3D

#这里设函数为y=3x+2
x_date=[1.0,2.0,3.0]
y_date=[5.0,8.0,11.0]

#定义模型
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_list=[] #平均损失误差
W=np.arange(0.0,4.1,0.1)
B=np.arange(0.0,4.1,0.1)
[w,b]=np.meshgrid(W,B)

l_sum=0
for x_val,y_val in zip(x_date,y_date):
    y_pred_val=forward(x_val)
    print(y_pred_val)
    loss_val=loss(x_val,y_val)
    l_sum+=loss_val

#绘图
fig=plt.figure
ax=fig.add_axes(Axes3D(fig))
ax.plot_surface(w,b,l_sum/3)
plt.show()

结果图：