pytorch学习（一）：线性模型

Linear Model   : y=x*ω

机器会随机生成一个a random guess，ω = random value

找一个评估模型LOSS，用loss来评价预测模型与已知模型之间的差别。试图找mean loss（平均损失值）趋于0

MSE（Mean Square Error）平均平方误差：

import numpy  as np
import matplotlib.pyplot as plt


x_data = [1.0,2.0,3.0]
y_data = [2.0,3.0,4.0]

#预测模型
def forward(x):
    return x * w

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



#记录w和对应的MSE数组，进而选择最小的MSE。
w_list = []
mse_list = []

for w in np.arange(0.0,4.1,0.1):  #从0.0开始，到4.1，每次间隔为0.1.
    print("w=",w)
    l_sum=0
    for x_val,y_val in zip(x_data,y_data):  #每次将x_data和y_data拿出来赋值给x_val和y_val再进行计算。
        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)  #添加相应的w
    mse_list.append(l_sum/3)  #添加相应的Mse



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