Pytorch深度学习实践（b站刘二大人）_02讲（线性模型）

第二讲 线性模型
　　本人目前在学习b站上刘二大人的Pytorch深度学习实践的课程，准备通过写博客的方式记录自己学习过程，在希望能够和大家进行交流学习。
　　下面是课堂教学代码。

import numpy as np
import matplotlib.pyplot as plt
#给出的模型为y=2x
x_data = [1.0,2.0,3.0]
y_data = [2.0,4.0,6.0]

def forward(x):
    return x*w

def loss(x,y):
    y_pred = forward(x)
    return (y_pred - y)**2

#穷举法
w_list = []
mse_list = []
for w in np.arange(0.0,4.1,0.1):
    print("w=",w)
    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_list.append(w)
    mse_list.append(l_sum/3)

plt.plot(w_list,mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()

结果输出：
　　　　　　　　　　　

下面是课后作业的代码：

#homework  y=w*x+b

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

#设置函数为y=x+3
# x_data = [1.0,2.0,3.0]
# y_data = [4.0,5.0,6.0]
#设置函数为y=4x+2
x_data = [1.0,2.0,3.0]
y_data = [6.0,10.0,14.0]
def forward(x):
    return x * w + b

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


mse_list = []
w = np.arange(0.0,4.1,0.1)
b = np.arange(0.0,4.1,0.1)

w,b = np.meshgrid(w,b)  # 语法：X,Y = numpy.meshgrid(x, y)
                        # 输入的x，y，就是网格点的横纵坐标列向量（非矩阵）
                        # 输出的X，Y，就是坐标矩阵。
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('MSE = ',l_sum/3)




fig = plt.figure()
ax = Axes3D(fig)
fig.add_axes(ax)
ax.set_xlabel('w')
ax.set_ylabel('b')
ax.set_zlabel('Cost Value')
ax.plot_surface(w,b,l_sum/3)
plt.show()

结果图：
　　　　　　　　　　　　　　

参考文章：参考文章１　　　
　　　　　参考文章２