线性模型(刘二大人网课02笔记)

深度学习完成的四个步骤

  1. DataSet
  2. Model
  3. Training
  4. infering

由于知道训练集x和y的值是什么,所以为有监督学习
下图为一个简单的线性模型结构,为了能够得到良好的预测值,需要为其构建模型。y=w*x,也就是找到合适的w。
线性模型(刘二大人网课02笔记)_第1张图片平均平方误差
线性模型(刘二大人网课02笔记)_第2张图片
这个过程是寻找权重最好的情况。也就是寻找在训练多少轮之后,训练情况是最好的。

import numpy as np#用于绘图的
import matplotlib.pyplot as plt#用于绘图的

x_data = [1.0, 2.0, 3.0]#数据集
y_data = [2.0, 4.0, 6.0]

def forward(x):#定义模型y=x*w
    return x * w

def loss(x, y):#定义损失函数loss=(y^-y)2=(x*w-y)2
    y_pred = forward(x)
    return (y_pred -y) * (y_pred -y)

w_list = [] #w有好多个权重值w,所以定义一个数组
mse_list = []#损失值也有好多个,所以定义一个数组
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):#用zip拼成这次需要的x和y值
        y_pred_val = forward(x_val)
        loss_val = loss(x_val, y_val)#计算损失
        l_sum += loss_val#求和
        print('\t', x_val, y_val, y_pred_val, loss_val)
    print('MSE=', l_sum / 3)#转变成均值。
    w_list.append(w)
    mse_list.append(l_sum / 3)

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


今后训练模型,进行调参的时候需要实时的进行查看,利用visdom,远程调用visdom的web服务,看其训练的情况。
**作业;y=xw+b
找一下matplotlib中三维曲面画图方法。np.meshgrrid( )组合。


你可能感兴趣的:(线性模型(刘二大人网课02笔记))