PyTorch 深度学习实践 --- B站刘二大人第二讲

# B站 刘二大人 第2讲  linear_model 源代码
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]


# forward是线性模型的前向传播函数，用于根据输入x和当前权重w计算模型的预测值y_pred = w*x
# 其中w是模型参数，在训练过程中不断调整以最小化误差，通常来说，误差只能不断降低无法彻底消除，误差为零为理想状态
def forward(x):
    return x * w


# 定义损失函数
# 通过损失函数比较误差大小，从而筛选出最优的w
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) * (y_pred - y)


# 穷举法
# 利用穷举法寻找最优的w
w_list = []
mse_list = []
# 通过np.arange(0.0, 4.1, 0.1)生成从0到4.0的权重值w，步长为0.1.这个循环遍历每个可能的w，计算模型的预测结果和对应的损失值
for w in np.arange(0.0, 4.1, 0.1):
    print("w=", w)
    l_sum = 0
    # zip(x_data, y_data)通过将x_data和y_data中对应的元素组合成元组，实现了两个列表的同步遍历
    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)

# 绘制损失随w变化的曲线
plt.plot(w_list, mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()