Pytorch深度学习的线性模型3D图

刘二大人的第二讲作业题

根据课上所讲的一维的线性拟合，来写代码实现三维的图形。
具体代码实现和相关函数标注如下图所示：

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

# y = w * x + b
x_data = [1.0, 2.0, 3.0]
y_data = [1.5, 4.0, 6.5]
W, B = np.arange(0.0, 4.1, 0.1), np.arange(-2.0, 2.1, 0.1)  # 给定要用的参数W，B的区间
w, b = np.meshgrid(W, B, indexing='ij')  # 构建矩阵坐标  生成网格点坐标矩阵 indexing参数默认为xy ，当参数的值为xy时，代表的是 笛卡尔 ，ij代表的是矩阵

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

def loss(y_pred, y):
    return (y_pred - y) * (y_pred - y)


mse_list = []
l_sum = 0
for x_val, y_val in zip(x_data, y_data):
    y_pred_val = forward(x_val) #y 的一个预测值
    loss_val = loss(y_pred_val, y_val)
    l_sum += loss_val
mse_list.append(l_sum / 3)

fig = plt.figure(figsize=(10, 10), dpi=300)  #figsize指定图片的宽高，单位是英寸 dpi为分辨率
# 将figure变为3d
ax = Axes3D(fig)
# 绘图，rstride：行之间的跨度 cstride：列之间的跨度
surf = ax.plot_surface(w, b, np.array(mse_list[0]), rstride=1, cstride=1, cmap=cm.coolwarm, linewidth=0,antialiased=False) 	  #前三个参数是x,y,z轴的坐标  cmap用来设置颜色的映射
ax.set_zlim(0, 40) 	 #设置z坐标轴的一个范围
# 设置坐标轴标签
ax.set_xlabel("w")
ax.set_ylabel("b")
ax.set_zlabel("loss")
#文本显示的内容  在锚框的左上角显示
ax.text(0.2, 2, 43, "Cost Value", color="black")

fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()

代码的运行效果如下图所示：

如果发现自己运行代码所实现的图和老师所展示的图片不太一样，尝试修改参数进行调整。