第二讲线性模型

第二讲pytorch深度学习实践的学习以及源码

---

B站刘二大人传送门：第二讲pytorch 线性模型

正常的训练工作步骤

步骤1，DataSet  数据集

步骤2，Model  选择模型

步骤3，Training  训练

步骤4，inferring 推理工作

---

第二讲源码

---

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]

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

w_list=[]
mse_list=[]
#步长为0.1从0.0到4.0
for w in np.arange(0.0,4.1,0.1):
    print('w=',w)
    l_sum=0
    #zip拿出来拼接
    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()

代码画出的结果 权重和损失类太长，不展示，只展示图

---

第二讲课后作业 

题目：线性模型 y=kx+b

作业代码：

---

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

x_data=[1.0,2.0,3.0]
y_data=[2.0,4.0,6.0]

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

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

w_list=[]
b_list=[]
mse_list=[]
w=np.arange(0,4.1,0.5)
b=np.arange(-2,2.1,0.5)
[w,b]=np.meshgrid(w,b)
l_sum=0
for x_val,y_val in zip(x_data,y_data):
    y_pred_val=forward(x_val)
#     print(y_pred_val)
    loss_val=loss(x_val,y_val)
    l_sum+=loss_val
fig = plt.figure()
ax=Axes3D(fig)
surf=ax.plot_surface(w,b,l_sum/3,cmap=cm.coolwarm)
ax.set_xlabel('w')
ax.set_ylabel('b')
ax.set_zlabel('loss')
plt.title("liner model y=w*x+b")
fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()

---

效果图

---

---

 实在是实现不了那个颜色，感觉有点丑，还是回归原始

---

 代码：

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

x_data=[1.0,2.0,3.0]
y_data=[2.0,4.0,6.0]

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

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

w_list=[]
b_list=[]
mse_list=[]
w=np.arange(0,4.1,0.5)
b=np.arange(-2,2.1,0.5)
[w,b]=np.meshgrid(w,b)
l_sum=0
for x_val,y_val in zip(x_data,y_data):
    y_pred_val=forward(x_val)
#     print(y_pred_val)
    loss_val=loss(x_val,y_val)
    l_sum+=loss_val
fig = plt.figure()
ax=Axes3D(fig)
ax.plot_surface(w,b,l_sum/3)
ax.set_xlabel('w')
ax.set_ylabel('b')
ax.set_zlabel('loss')
plt.title("liner model y=w*x+b")
plt.show()

---

效果图：

---

第二讲完结 撒花！