《PyTorch深度学习实践》-刘二大人-第二讲-线性模型

B站传送门刘二大人PyTorch第二讲
 

一、线性模型y=wx

代码解读：
1、x_data/y_data是个数据集，要求的函数模型是y=wx，，也就是要训练w的值
2、w从0-4，间距为0.1开始遍历，找到最小的损失值，也就是训练出来的w的值
 

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):
    return x*w # 定义函数，要求w的值

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

w_list=[]
mse_list=[]

for w in np.arange(0.0,4.1,0.1): # w的值从0-4，间距0.1
    print('w=',w) # 输出此时w的值
    l_sum=0 # 每次循环重定义l_sum，为损失的和
    for x_val,y_val in zip(x_data,y_data): # 取出每次数据的x，y的值
        y_pred_val=forward(x_val) # 预测值
        loss_val=loss(x_val,y_val) # 本次取出数据的损失
        l_sum+=loss_val # 损失求和
        print("\t",x_val,y_val,y_pred_val,loss_val) # 打印本次取出的xy和预测y和损失
    print('MSE=',l_sum/3) # 打印总损失
    w_list.append(w) # 将w存入列表
    mse_list.append(l_sum/3) # 将每次损失存入列表

plt.plot(w_list,mse_list) # 构建二维函数
plt.ylabel('Loss') # y坐标
plt.xlabel('w') # x坐标
plt.show() # 打印

二、作业y=wx+b

代码解读：
1、这里需要训练的有w和b，就需要遍历w和b的值
2、注释掉的和没注释掉的是两种写法

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

# 设定函数为y=2x+3
x_data=[1.0,2.0,3.0]
y_data=[5.0,7.0,9.0]

def forward(x):
    return w*x+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(0.0,4.1,0.1)
B=np.arange(0.0,4.1,0.1)


# for w in np.arange(0.0,4.1,0.1):
#     for b in np.arange(0.0,4.1,0.1):
#         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('\t',x_val,y_val,y_pred_val,loss_val)
#
#         print('MSE=',l_sum/3)
[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)
    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)

fig=plt.figure()
ax=Axes3D(fig)
ax.plot_surface(w,b,l_sum/3)
plt.show()