《PyTorch深度学习实践》第二讲 线性模型 课后练习

《PyTorch深度学习实践》第二讲 线性模型 课后练习

问题描述

代码实现

python 复制代码
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 假设函数为 y = 2x + 1
x_data = [1.0, 2.0, 3.0]
y_data = [3.0, 5.0, 7.0]

# 定义模型
def forward(x):
    return x * w + b

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

# mes 平方误差
mes_list = []
# w, b权重
W = np.arange(0.0, 3.1, 0.1)
B = np.arange(0.0, 3.1, 0.1)
# 画3D曲面图时,传入的参数必须是数据值或二维矩阵
# 利用meshgrid函数讲w,b两列数据转化为二维矩阵
[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) # 预测值
    print(y_pred_val)
    loss_val = loss(x_val, y_val) # 计算损失
    l_sum += loss_val

# 绘3D图展示
fig = plt.figure()
ax =fig.add_axes(Axes3D(fig))
ax.plot_surface(w, b, l_sum/3)
plt.show()

实现效果

相关推荐
科技林总12 小时前
自然语言处理任务分类
人工智能·自然语言处理
谈思汽车13 小时前
当 AI 走进工厂与家庭:谁来保护AIoT 的“最后一米”?
人工智能·物联网·智能家居·健康医疗
IT_陈寒13 小时前
React状态更新那点事儿,我掉坑里爬了半天
前端·人工智能·后端
Raink老师13 小时前
【AI面试临阵磨枪】LLM 推理优化技术:量化、蒸馏、稀疏注意力、vLLM、TGI 核心思想。
人工智能·ai 面试
睡觉吧狗命最最最重要13 小时前
java开发的最优转型路径
人工智能
_小雨林13 小时前
(UPDATING)LLM微调之实战,SFTTrainer官方案例、LoRA/QloRA微调案例、Unsloth、分布式训练、LLaMA Factory
人工智能·深度学习
道可云13 小时前
道可云人工智能&OPC每日资讯|全国首份人工智能开源生态共识在广州发布
人工智能·开源
Cosolar13 小时前
Agent Skills 深度解析:AI 编码代理的工程化生产级工作流引擎
人工智能·面试·开源
大模型真好玩14 小时前
LangChain DeepAgents 速通指南(七)—— DeepAgents使用Agent Skill
人工智能·langchain·deepseek