2. 线性模型

B站 刘二大人老师的课程代码
PyTorch 深度学习实践

例子

import torch
import numpy as np
import matplotlib.pyplot as plt
#样本数据
x_data=[1.,2.,3.] #输入样本
y_data=[4.,5.,6.] #输出样本

#定义模型
def forward(x):
    return x*w

#定义损失函数
def loss(x,y):
    y_pred=forward(x)
    return(y_pred-y)*(y_pred-y)
    
# Visdom 可视化,断点重开(定期重开)
#权重和权重损失值
w_list=[]
mse_list=[]

for w in np.arange(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')  #训练轮数作为x
plt.show()

课后作业

# -- coding: utf-8 --
import torch
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#样本数据  函数设置为3*x+4
x_data=[1.,2.,3.] #输入样本
y_data=[7.,10.,13.] #输出样本

#定义模型
def forward(x):
    return x*w+b
#定义损失函数
def loss(x,y):
    y_pred=forward(x)
    return(y_pred-y)*(y_pred-y)
# Visdom 可视化,断点重开(定期重开)
# 权重和权重损失值
mse_list = []

W = np.arange(0, 4.1, 0.1)
B = np.arange(0, 4.1, 0.1)
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

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