【刘二大人】pytorch深度学习实践（2章及课后习题）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、pandas是什么？
• 二、使用步骤
  • 1.引入库
  • 2.读入数据
• 总结

---

线性回归

Machine Learing

Training Set中有x与y共同参与输入输出

而Test Set中仅有x输入

需在训练过程中使误差降低才能在实际应用时更容易识别

 

二、线性回归代码及显示

1.课内平面代码

1.所使用库

import numpy as np

import matplotlib.pyplot as plt

2.

x_data=[1.0, 2.0, 3.0]

y_data=[2.0, 4.0, 6.0]

    #数值写入 



    #写入函数关系

    def forward(x):

        return x*w



    #写入损失函数

    def loss(x, y):

        y_pre = forward(x)

        return (y_pre-y)*(y_pre-y)



    #保存权重及其对应损失值

    w_list=[]

    mse_list=[]



    #写入权重（参数）变化值

    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_pre_val=forward(x_val)

            loss_val=loss(x_val, y_val)

            l_sum=loss_val

        print('\t',x_val,y_val,y_pre_val,loss_val)

        print('MES=',l_sum/3)

        w_list.append(w)

        mse_list.append(l_sum/3)

3.绘图

plt.plot(w_list,mse_list)

plt.ylabel('loss')

plt.xlabel('w')#定义坐标轴

plt.show()

2.课后习题

1、导入库

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D #3d绘图需使用的库

2. 

#创建二维【平面网络
x = [1.0,2.0,3.0]
y = [2.0,4.0,6.0]
w_list=np.arange(0.0,4.1,0.1)
b_list=np.arange(-2.0,2.1,0.1)
[w,b]=np.meshgrid(w_list,b_list)#生成二维网格、

#定义函数
def forward(x):
    return x*w+b 

#定义损失值
def loss(x,y):
    y_pre = forward(x)
    return (y_pre-y)*(y_pre-y)

#保存权重及其对应损失值
w_list=[]
b_list=[]
mse_list=[]

#计算过程
l_sum = 0
for x_val,y_val in zip(x,y):
    y_pre_val=forward(x_val)
    loss_val=loss(x_val, y_val)
    l_sum+=loss_val
print(l_sum.shape)

3.绘图

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

---

 

总结

还有一个颜色棒没搞明白

下次再画

拜拜！