B站-刘老师-PyTorch深度学习实践-线性模型作业-学习笔记（1）

        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：