bilibili 刘二大人《PyTorch深度学习实践》
视频链接：Lecture 02 Linear_Model
文档资料：

//Here is the link:
课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw
提取码：cxe4

文章目录

• Linear Modle(线性模型)
• • 过程
  • • Linear Regression
    • Loss & Cost
    • Compute Cost
    • Code
  • Exercise
  • • 代码
    • 运行结果
  • 附录：相关文档资料

Linear Modle(线性模型)

简单的一个练习：
给定 3组 数据，即学习X小时（hours）可以得到Y分（points）；

预测学习 4小时 （hours）可以得到多少分（points）：

过程

Linear Regression

基本步骤：
1、根据给定的 3组 数据建立一个线性模型（拟合一个线性函数）；
2、不断改变参数 W ，使尽可能多的点落在拟合的直线上（True Line）；
3、将 X=4 输入到模型当中，预测出学习4个小时后的分数。

Loss & Cost

在这里使用均方误差 MSE（Mean Square Error）来评价拟合的线性函数；

Compute Cost

计算各参数 W 对应的 Cost 值

Code

# Here is the code :

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):  # 定义前向传播
    return x*w
 
def loss(x, y):  # 定义损失函数
    y_pred = forward(x)
    return (y_pred - y)**2
 
w_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):  # 使用穷举法来遍历 W 值
    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()    

运行结果：

w= 0.0
1.00 2.00 0.00 4.00 
2.00 4.00 0.00 16.00
3.00 6.00 0.00 36.00
MSE= 18.666666666666668
w= 0.1
1.00 2.00 0.10 3.61
2.00 4.00 0.20 14.44 
3.00 6.00 0.30 32.49
MSE= 16.846666666666668
w=0.2
1.00 2.00 0.20 3.24 
2.00 4.00 0.40 12.96
3.00 6.00 0.60 29.16
MSE= 15.120000000000003
w= 0.30000000000000004
1.00 2.00 0.30 2.89
2.00 4.00 0.60 11.56
3.00 6.00 0.90 26.01
MSE= 13.486666666666665
w=0.4
1.00 2.00 0.40 2.56 
2.00 4.00 0.80 10.24 
3.00 6.00 1.20 23.04
MSE= 11.946666666666667
w=0.5
1.00 2.00 0.50 2.25 
2.00 4.00 1.00 9.00
3.00 6.00 1.50 20.25
MSE= 10.5

Exercise

代码

# Here is the code :

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]

def forward(x):
    return x * w + b

def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2

w_list = []
b_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):
    for b in np.arange(-2.0, 2.1, 0.1):
        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
        w_list.append(w)
        b_list.append(b)
        mse_list.append(l_sum/3)

mse_list = np.array(mse_list)
mse_list = mse_list.reshape(41, 41)
mse_list = mse_list.transpose()

w, b = np.meshgrid(np.unique(w_list), np.unique(b_list))

fig = plt.figure(figsize=(8, 8))
ax = Axes3D(fig)

surf = ax.plot_surface(w, b, mse_list,
                       rstride=1,     # 行(row)的跨度
                       cstride=1,     # 列(column)的跨度
                       cmap=plt.get_cmap('rainbow'))

ax.set_zlim(0, 40)  # Z轴lim
ax.set_xlabel('W')  # 设置角标
ax.set_ylabel('b')
plt.title("Cost Values")
fig.colorbar(surf, shrink=0.5, aspect=10)  # shrink:色彩条与图形高度的比例, aspect:色彩条本身的长宽比

plt.show()

运行结果

附录：相关文档资料

PyTorch 官方文档： PyTorch Documentation
PyTorch 中文手册： PyTorch Handbook

标签：02,loss,plt,Linear,val,list,PyTorch,mse,2.00
来源： https://blog.csdn.net/weixin_45084253/article/details/122156198