PyTorch学习笔记(1)

线性模型

传送门 Pytorch深度学习教程 本文借鉴CSDN专栏 PyTorch 深度学习实践

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
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()

代码说明

  1. 函数forward中的w在后续的for循环中传入
  2. np.arange numpy.arange([start, ]stop, [step, ]dtype=None)
  • start（可选）：序列的起始值，默认为 0。
  • stop ：序列的结束值（ 不包含该值本身 ）。
  • step（可选）：步长（间隔），默认为 1。
  • dtype（可选）：指定输出数组的数据类型（如 int, float 等）。
  • 不包括结束值
  1. zip函数在这里的作用是配对基本元素