PyTorch（二）线性模型_作业（3D-LinearModel）

2021-02-02 20:33:34 阅读：230 来源： 互联网

标签：LinearModel val loss pred PyTorch meshgrid np ax 3D

教程视频：线性模型
作业题目：实现线性模型（y=wx+b）并输出loss的3D图像。

实现代码：

# -*- coding: UTF-8 -*-
'''===============================================
@Author ：kidding
@Date   ：2021/2/2 18:12
@File   ：3D_Linear_Model
@IDE    ：PyCharm
=================================================='''
import numpy as np
import matplotlib.pyplot as plt

#下两行解决坐标轴不能显示中文问题
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']

from mpl_toolkits.mplot3d import Axes3D  # mpl_toolkits.mplot3d是Matplotlib里面专门用来画三维图的工具包。

#设函数为 y = 2.5x + 0.8
x_data = [1.0,2.0,3.0]
y_data = [3.3,5.8,8.3]

#前向传播
def forward(x):
    return x * w + b

#损失函数
def loss(x,y):
    y_pred = forward(x)
    return (y_pred-y)*(y_pred-y)

mse_list = [] #记录权重（W）平均损失值
W=np.arange(0.0,4.1,0.1) # 权重 W 从0.0到4.0 间隔0.1取数
B=np.arange(0.0,4.1,0.1) # 偏置 B 从0.0到4.0 间隔0.1取数
[w,b]=np.meshgrid(W,B)  # [X,Y]=np.meshgrid(x,y) 函数用两个坐标轴上的点在平面上画网格。
'''
用法：
　　[X,Y]=meshgrid(x,y)
　　[X,Y]=meshgrid(x)与[X,Y]=meshgrid(x,x)是等同的
　　[X,Y,Z]=meshgrid(x,y,z)生成三维数组，可用来计算三变量的函数和绘制三维立体图
'''

l_sum = 0 #累加损失值的变量

for x_val, y_val in zip(x_data, y_data):
    y_pred_val = forward(x_val)
    print(y_pred_val)
    loss_val = loss(x_val, y_val)
    l_sum += loss_val #累加损失值

fig = plt.figure()
ax = Axes3D(fig) #Axes3D是mpl_toolkits.mplot3d中的一个绘图函数
ax.plot_surface(w, b, l_sum/3) #画曲面图---Axes3D.plot_surface(X, Y, Z)
ax.set_xlabel("权重 W")
ax.set_ylabel("偏置项 B")
ax.set_zlabel("损失值")
plt.show()

结果图:
在这里插入图片描述
**注：**本代码为学生自己编写，不一定准确，如果有错误，希望大家可以在评论区指出来，谢谢。

标签：LinearModel,val,loss,pred,PyTorch,meshgrid,np,ax,3D
来源： https://blog.csdn.net/weixin_42296879/article/details/113573275

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

PyTorch（二）线性模型_作业（3D-LinearModel）