PyTorch深度学习实践（02.Linear Model）

曾叔叔要稳住

已于 2023-03-13 17:11:02 修改

阅读量126

点赞数

文章标签：深度学习 pytorch

于 2023-03-13 17:07:40 首次发布

本文链接：https://blog.csdn.net/weixin_44995401/article/details/129499086

版权

该文介绍了如何在PyTorch环境中建立简单的线性模型，通过迭代寻找最佳权重w，以最小化预测值与真实值之间的均方误差。文章展示了前向传播、损失函数的定义，以及通过循环更新权重来逐步降低损失的过程。

摘要由CSDN通过智能技术生成

源自课程：《PyTorch深度学习实践》完结合集

Chapter2 线性模型

"""
寻找特定的w使得均方误差最小
"""

import numpy as np
import matplotlib.pyplot as plt

# 输入的数据
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]


# 前向传播输出预测结果
def forward(x):
    return x * w


# 定义损失函数
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2


# 迭代计算与输出信息
w_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):
    print("w = ", w)
    l_sum = 0
    for x_var, y_var in zip(x_data, y_data):
        y_pred_var = forward(x_var)
        loss_val = loss(x_var, y_var)
        l_sum += loss_val
        print('\t', x_var, y_var, y_pred_var, 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()