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 forword(x):#预测的对应x的y值
return x*w
def loss(x,y):#损失函数的计算方式,x经过乘以w后得到估计的y_pre,y_pre和y计算得到损失值
y_pred=forword(x)
return (y_pred-y)**2
w_list=[]#w列表
mse_list=[]#记录每次w对应的平均loss值
for w in np.arange(0.0,4.1,0.1):
print("w=",w)#w为0
l_sum=0#损失值l_sum为0
for x_val,y_val in zip(x_data,y_data):
y_pred_val=forword(x_val)#取出一组对应的已知真实值x和y
loss_val=loss(x_val,y_val)#计算这组真是x,y得到的损失值
l_sum+=loss_val#对该w所产生的损失值进行求和
print('\t',x_val,y_val,y_pred_val,loss_val)
print('MES=',l_sum/3)#得到平均损失值
w_list.append(w)
mse_list.append(l_sum/3)
plt.plot(w_list,mse_list)
plt.ylabel("loss")
plt.xlabel("w")
plt.show()
PyTorch 深度学习实践 第2讲
于 2023-09-19 15:35:16 首次发布