Pytorch刘二大人 —1、线性模型

代码段

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]
 
//前馈函数（作用：
def forward(x):
    return x*w

//损失函数：计算预测值与真实值之间的差距，平方用于确保差值是正数。
def loss(x, y):
    y_pred = forward(x)    //1.0 *  0.1  =  0.1
    return (y_pred - y)**2  // 0.1 - 2.0 = -(1.9*1.9) = 3.61   
 
 
# 穷举法
w_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):
    print("w=", w)
    l_sum = 0 //三组数据中lost的和
    for x_val, y_val in zip(x_data, y_data):// for in zip的语法使得可以少写一次for

	#预测值
        y_pred_val = forward(x_val)  //1) 1.0 * 0.1 = 0.1    2.0 * 0.1 = 0.2  .. 0.3

	#当前权重下预测值与实际值之间的差距	
        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)  //MSE （Mean Squared Error）叫做均方误差。

     w_list.append(w)  //权重为0.1,0.2...4.1
     mse_list.append(l_sum/3) // MSE=3.61,3.2,......0...1.1,2.2....


#显示我们的预测结果
plt.plot(w_list,mse_list) //抛物线的绘图工具， w为x轴数据, mse为y轴数据
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()

知识图总结