在做这道题中,一直被3D绘制的Z轴所困扰,查了很多资料和对比别人写好的代码,发现需要在建立线性模型中将创建好的W,B代入进行计算,可以得到二维的Z而不是一维。
视频如下:
《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili
代码如下:
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D # 导入3D 绘图模块
# 生成一组数据集
def getNum():
val = [[] for i in range(5)]
for i in range(5):
val[i].append(i)
val[i].append(1.243 * i - 0.718) # w和b可以自定义
val = np.array(val)
return val
# 建立线性模型 y = w * x + b
def getPre(x,w,b):
return w * x + b
# 获得loss值
def getLoss(x,y,w,b):
y_hat = getPre(x,w,b)
return (y_hat - y) ** 2
# 主程序
def run():
print('开始...')
print('线性模型正在运行中...')
# 将W,B网格化处理
W = np.arange(0, 2, 0.01)
B = np.arange(0, 1.2, 0.01)
w, b = np.meshgrid(W, B)
# 绘制3D图
fig = plt.figure()
ax = Axes3D(fig)
# 注意Z轴是2维,最好封装到方法(函数)中
ax.plot_surface(w,b,calc(w,b),cmap=plt.cm.coolwarm)
plt.show()
def calc(W,B):
# 获得数据集
val = getNum()
for w in W:
for b in B:
l_sum = 0
for i in range(0,len(val)):
x_val = val[i,0]
y_val = val[i,1]
# 这里对原视频中的方法进行了修改,因为在方法体中创建了W和B
# 因此在创建线性模型时需要代入
# 否则计算出来的Z是一维
loss = getLoss(x_val,y_val,W,B)
l_sum += loss
return l_sum / 5
if __name__ == '__main__':
run()
绘制结果: