刘老师的《Pytorch深度学习实践》第二讲：线性模型作业代码

我的宠物不是小马

于 2022-09-16 14:45:16 发布

阅读量190

点赞数

CC 4.0 BY-SA版权

文章标签： python 机器学习深度学习 pytorch

原文链接：https://blog.csdn.net/weixin_44841652/article/details/105017087

这篇博客展示了如何利用numpy和matplotlib库在三维空间中绘制损失函数的表面图。通过定义前向传播和损失函数，计算损失并进行可视化，帮助理解参数对损失的影响。代码中使用了网格搜索的方法，遍历权重和偏置的取值范围，计算总损失并展示结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x_data=[1.0,2.0,3.0]
y_data=[5.0,8.0,11.0]

def forward(x):
    return x*w+b

def loss(x,y):
    y_pred=forward(x)
    return(y_pred-y)*(y_pred-y)

mse_list=[]
W=np.arange(0.0,4.1,0.1)
B=np.arange(0.0,4.1,0.1)
[w,b]=np.meshgrid(W,B)

l_sum=0
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

fig=plt.figure()
ax=Axes3D(fig)
ax.plot_surface(w,b,l_sum/3)
plt.show()

仅留用

刘老师的《Pytorch深度学习实践》第二讲：线性模型 作业代码

刘老师的《Pytorch深度学习实践》第二讲：线性模型作业代码