【PyTorch】深度学习——线性模型

视频学习：2.线性模型_哔哩哔哩_bilibili

训练模型需要四步骤：准备数据集、模型选择、训练、应用推理。

数据集分为训练集和测试集。

一、线性模型

训练模型：y = x * w , 求权重w 为何值时得到与下图一致的直线

评估模型与数据集之间的误差：损失    （针对样本）

目标：寻找使损失最小的 w

 对于整个训练集的损失（平均平方误差MSE）：

•  穷举法计算损失

import numpy as np
import matplotlib.pyplot as plt

x_data = [1.0, 2.0, 3.0]    # 输入
y_data = [2.0, 4.0, 6.0]    # 输出

# 定义一个前馈模型  y = x * w
def forward(x):
    return x * w

# 定义损失函数
def loss(x,y):
    y_pred = forward(x)    #求 y
    return ( y_pred - y ) * ( y_pred - y ) 

# 定义列表存储 权重w 和 对应权重的损失值mse
w_list = [] 
mse_list = []  

for w in np.arange(0.0, 4.1, 0.1):    # 生成从0-4步长为0.1的权重值
    print ('w=', w )
    l_sum = 0
    for x_val, y_val in zip(x_data, y_data):    # 将 x,y 的数值拼接成为一个元组 然后返回元组组成的列表
        y_pre_val = forward(x_val)              # 计算 y 的预测值
        loss_val = loss(x_val, y_val)           # 用内置的损失函数计算损失
        l_sum += loss_val                       # 求和
        print('\t', x_val, y_val, y_pre_val, loss_val)
    print('MSE=', l_sum / 3)                    # 除以总数求 MSE
    w_list.append(w)                            # 存储
    mse_list.append(l_sum / 3)

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

•  Visdom 可视化工具包

对数据进行可视化时一个常用的工具

• 作业：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
  from pylab import *
  
  x_data = [1.0, 2.0, 3.0]    # 输入
  y_data = [2.0, 4.0, 6.0]    # 输出
  
  #定义一个前馈模型  yhead = x * w + b
  def forward(x):
      return x * w + b 
  
  # 定义损失函数
  def loss(x,y):
      y_pred = forward(x)    #求 y
      return ( y_pred - y ) * ( y_pred - y ) 
  
  # 构建数据
  W=np.arange(0.0,4.1,0.1)
  B=np.arange(0.0,4.1,0.1)
  [w,b]=np.meshgrid(W,B)   #基于向量 x 和 y 中包含的坐标返回二维网格坐标。w,b都是矩阵
  
  # 计算
  l_sum = 0
  for x_val, y_val in zip(x_data, y_data):    # 将 x,y 的数值拼接成为一个元组 然后返回元组组成的列表
      y_pre_val = forward(x_val)              # 计算 y 的预测值
      loss_val = loss(x_val, y_val)           # 用内置的损失函数计算损失
      l_sum += loss_val                       # 求和
  
  #绘制3D图
  fig=plt.figure()  # 创建画布
  ax=Axes3D(fig)    # 创建了一个 Axes3D 的子图放到 figure 画布里
  ax.plot_surface(w,b,l_sum/3)     # 绘制3D曲面
  #显示各坐标轴的值
  ax.set_xlabel("W")
  ax.set_ylabel("B")
  ax.set_zlabel("MSE")
  plt.show()

  最后得到3D图像