PyTorch 深度学习实践第2讲 b站刘二大人

最新推荐文章于 2024-07-11 20:21:32 发布

H A I

最新推荐文章于 2024-07-11 20:21:32 发布

阅读量164

点赞数

分类专栏：刘二大人笔记文章标签：深度学习 pytorch python

原文链接：https://blog.csdn.net/bit452/article/details/109627469

版权

刘二大人笔记专栏收录该内容

1 篇文章 0 订阅

订阅专栏

该博客通过一个简单的线性模型实例介绍了PyTorch的使用。作者利用穷举法遍历权重w的可能值，计算损失函数（MSE），并通过matplotlib绘制了损失值随权重变化的曲线，展示了如何手动实现梯度下降的过程。

摘要由CSDN通过智能技术生成

第2讲 linear_model 源代码

B站刘二大人，传送门 PyTorch深度学习实践——线性模型https://www.bilibili.com/video/BV1Y7411d7Ys/?p=2

代码说明：1、函数forward()中，有一个变量w。这个变量最终的值是从for循环中传入的。

2、for循环中，使用了np.arange。若对numpy不太熟悉，传送门Numpy数据计算从入门到实战

3、python中zip()函数的用法

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]
 
 
def forward(x):
    return x*w
 
 
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y)**2
 
 
# 穷举法
w_list = []
mse_list = []
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_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)
    
plt.plot(w_list,mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()