PyTorch深度学习实践（2）

最新推荐文章于 2022-07-02 02:42:19 发布

知道的都知道不知道的慢慢了解

最新推荐文章于 2022-07-02 02:42:19 发布

阅读量116

点赞数

CC 4.0 BY-SA版权

分类专栏： PyTorch深度学习实践文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/weixin_45768644/article/details/123385300

PyTorch深度学习实践专栏收录该内容

7 篇文章

订阅专栏

这篇博客通过Python代码展示了线性模型的前向传播、损失函数计算以及权重优化过程。作者使用了一个简单的线性数据集，通过迭代更新权重来最小化均方误差（MSE），并绘制了损失函数随权重变化的曲线，直观地说明了权重调整对模型性能的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

B站刘二大人

2.线性模型

#liu 线性模型
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)*(y_pred-y)

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()