PyTorch深度学习实践（二）---线性模型 

 #课堂代码-线性模型
 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 
 4 #y=2x
 5 x_data=[1.0,2.0,3.0]
 6 y_data=[2.0,4.0,6.0]
 7 
 8 def forward(x):
 9     return x * w
10 
11 def loss(x,y):
12     y_pred=forward(x)
13     return(y_pred-y)**2
14 
15 w_list=[]
16 mse_list=[]
17 
18 for w in np.arange(0.0 , 4.1 , 0.1):
19     print("w=",w)
20     loss_sum=0
21     for x_val,y_val in zip(x_data,y_data):
22         y_pred_val=forward(x_val)
23         loss_val=loss(x_val,y_val)
24         loss_sum+=loss_val
25         print('\t',x_val,y_val,y_pred_val,loss_val)
26     print('MSE=',loss_sum)
27     w_list.append(w)
28     mse_list.append(loss_sum/3)
29 
30 plt.plot(w_list,mse_list)
31 plt.ylabel('Loss')
32 plt.xlabel('w')
33 plt.show()
#课后作业-线性模型
 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 
 4 #y=2x+2
 5 x_data=[1.0,2.0,3.0]
 6 y_data=[4.0,6.0,8.0]
 7 
 8 def forward(x):
 9     return w*x+b
10 
11 def loss(x,y):
12     y_pred=forward(x)
13     return (y_pred-y)**2
14 
15 w_list=[]
16 mse_list=[]
17 b_list=[]
18 
19 for w in np.arange(0.0,4.1,0.1):
20     for b in np.arange(0.0,4.1,0.1):
21         loss_sum=0
22         for x_val,y_val in zip (x_data,y_data):
23             y_pred_val=forward(x_val)
24             loss_val=loss(x_val,y_val)
25             print('\t',x_val,y_val,y_pred_val,loss_val)
26             loss_sum+=loss_val
27         mse_list.append(loss_sum/3)
28         b_list.append(b)
29         print('::::::::::',w,b,loss_sum/3)
30 
31     w_list.append(w)

注：

（1）zip（）

 1 a = [1,2,3]
 2 b = [4,5,6]
 3 c = [4,5,6,7,8]
 4 
 5 zipped = zip(a,b)     # 打包为元组的列表
 6 [(1, 4), (2, 5), (3, 6)] #结果
 7 
 8 zip(a,c)              # 元素个数与最短的列表一致
 9 [(1, 4), (2, 5), (3, 6)]     #结果
10 
11 zip(*zipped)          # 与 zip 相反，*zipped 可理解为解压，返回二维矩阵式
12 [(1, 2, 3), (4, 5, 6)]   #结果

（2）课程：线性模型

posted @ 2021-04-15 15:01  mioho  阅读(65)  评论(0)  编辑  收藏  举报