00_最小神经网络训练流程

目的：得到一个功能为y=2x+0的模型

1. 随机初始化 w 和 b
2. 用一批数据 (x, y) 做预测：
   y_pred = w*x + b
3. 计算误差（loss）：
   看预测和真实差多少
4. 根据误差，计算"该怎么改 w 和 b"（梯度）
5. 微调 w 和 b（往更好的方向走一点）
6. 重复很多次
   最终：
   让所有数据的误差尽可能小
   → 得到 w≈2, b≈0

import random

# 初始化参数
w = random.random()
b = random.random()
print(f"w={w:.4f}, b={b:.4f}")
lr = 0.001  # 学习率

# 构造数据：y = 2x
data = [(x, 2*x) for x in range(10)]

for epoch in range(50):
    total_loss = 0

    for x, y_true in data:
        # -------- forward --------
        y_pred = w * x + b

        # -------- loss --------
        loss = (y_pred - y_true) ** 2

        # -------- backward（手写梯度）--------
        grad_w = 2 * (y_pred - y_true) * x
        grad_b = 2 * (y_pred - y_true)

        # -------- update --------
        w = w - lr * grad_w
        b = b - lr * grad_b

        total_loss += loss

    print(f"epoch {epoch}, loss={total_loss:.4f}, w={w:.4f}, b={b:.4f}")