刘二pytorch实践第二讲

1.穷举法找到最优权重w对应的最小损失函数值，也即使评价损失值降到最低。

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


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()

2.代码说明

（1）定义函数forward()中，有一个变量w。这个变量最终的值是从for循环中传入的。

（2）MSE求平均损失值 loss = (x*w-y)^2

（3）python中zip函数的用法

输出：