【Pytorch学习笔记】002--线性模型

1.深度学习准备过程

DataSet(数据集)、Model(选择模型)、Training(模型训练)、infering(进行推理预测)

2.数据集分类

训练集     测试集

验证集(开发集)：测试集的标准答案一般是不知道的，因此训练之后的模型对具体问题的适配程度并不可知。如果利用训练集来进行验证，会出现“自己考自己”这样的情况，容易过拟合。为了提升泛化能力，将训练集分成训练集和验证集（Validation Set）

过拟合：目标函数过于依赖样本值，并且模型在训练时将噪声也拟合进入。导致目标函数在该样本集下的表现非常优异。如果切换其他样本集，目标函数无法正确预测所需结果。

3.损失

loss、cost(平均平方误差，均方差)

4.程序代码

 

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)*(y_pred-y)

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()

5.遇到的问题及解决办法

问题：Module Not Found Error: No Module named 'matplotlib'

解决方法：

pycharm的Terminal

1.activate pytorch

2. pip install matplotlib 等待安装