01-线性模型

跟着b站学习之 刘二大人up的
《PyTorch深度学习实践》完结合集

模型1：y_hat = wx

实现

# -*- coding: UTF-8 -*-
# Abstract :  模型：y^ = wx

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): # 模型
    return x * w

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

def draw():
    plt.plot(w_list,mse_list)
    plt.xlabel('w')
    plt.ylabel('loss')
    plt.show()

w_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1): # 注意！！！！是np.arange()
    print('w=', w)
    l_sum = 0  # 一条条的loss累加
    for x_val, y_val in zip(x_data, y_data):
        y_pred_val = forward(x_val)
        loss_val = loss(x_val, y_val)  # 每一条的loss
        l_sum += loss_val
        print('\t',x_val, y_val, "%.1f" % y_pred_val, "%.1f" % loss_val)
    MSE = l_sum / 3
    print('MSE=',MSE)
    w_list.append(w)
    mse_list.append(MSE)
draw()

结果：

模型2：y_hat = wx + b

实现

# -*- coding: UTF-8 -*-
# Abstract : 模型：y^ = wx + b

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x_data = [0.0, 1.0, 2.0]
y_data = [1.0, 3.0, 5.0]

def forward(x):
    return w * x + b

def loss(x,y):
    y_pred = forward(x)
    return (y_pred - y) * (y_pred - y)

'''
有两种方式绘图，绘图效果相同，唯一区别在第二行：
1、ax = Axes3D(fig)
2、sub = fig.add_subplot(111, projection='3d')
其中，1操作简单，但没办法标注zlable、zlim等关于z轴的信息

画3D图步骤：
1、创建绘图对象
2、创建3D对象
3、创建曲面对象
4、添加各种图例
5、绘图
'''
def draw1():
    fig = plt.figure()
    ax = Axes3D(fig)
    surf = ax.plot_surface(w, b, z, cmap='rainbow')  # cmap是颜色
    cb = fig.colorbar(surf, shrink=0.8, aspect=15, label=r'$mse(w,b)$')  # 添加颜色棒图例
                        # shrink 颜色棒缩放，aspect 颜色棒长宽比
    ax.set_xlabel(r'$w$')       # == plt.xlabel(r'$w$')
    ax.set_ylabel(r'$b$')       # == plt.ylabel(r'$b$')
    ax.set_zlabel(r'$mse$')     # 不存在 plt.zlabel(r'$mse$')
    plt.show()

def draw2():
    fig = plt.figure()
    sub = fig.add_subplot(111, projection='3d')  # 创建3D子图对象
    surf = sub.plot_surface(w, b, z, cmap='rainbow')
    cb = fig.colorbar(surf, label=r'$mse(w,b)$', shrink=0.8, aspect=15)
    sub.set_xlabel(r'$w$')
    sub.set_ylabel(r'$b$')
    sub.set_zlabel(r'$mse$')
    plt.show()

w_list = []
b_list = []
mse_list = []
for w in np.arange(1.0,3.0,0.2):
    for b in np.arange(0.0,2.0,0.2):
        print('w =', w, 'b=', b)
        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(x_val, y_val, "%.1f" % y_pred_val, "%.1f" % loss_val)
        MSE = l_sum / 3
        print('MSE=', MSE)
        w_list.append(w)
        b_list.append(b)
        mse_list.append(MSE)

# 画3D图前，数据预处理
w = np.array(w_list)    # list -> array（一维数组）
w.resize((10, 10))      # 一维数组 -> 二维数组
b = np.array(b_list)
b.resize((10, 10))
z = np.array(mse_list)
z.resize((10, 10))
draw1()
#draw2()

结果：

难点1：画3D图步骤

1、创建绘图对象:

fig = plt.figure()

2、创建3D对象:

ax = Axes3D(fig)

3、创建曲面对象：

surf = ax.plot_surface(x, y, z)

4、添加各种图例

cb = fig.colorbar(surf) 
ax.set_xlabel(r'$x$')       
ax.set_ylabel(r'$y$')      
ax.set_zlabel(r'$z$')  

5、绘图

plt.show()

难点2：画3D图前，数据预处理

创建曲面对象时，传入的 x,y,z 均为二维数组。介绍几个函数：

• list -> array：
  np.array()

li = [1,2,3,4,5,6]
arr = np.array(li)

• 一维数组 -> 二维数组：
  reshape((row,column))、resize((row,column))

d = np.linspace(-1,1,10)
D = d.reshape((2,5)) # 将一维数组变成2行5列，原数组不会被覆盖
d.resize((2,5))      # 新的结果覆盖原来的数组

• 二维数组 -> 一维数组：
  flatten()

arr = np.array([[1,2,3],
                [4,5,6]])
arr.flatten()

补充

关于3D图的更多细节，参考：
索哥Python科学绘图教程15