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()