写在前面：学习pytorch的第二天，今天继续加深loss函数和w参数之间的关系，利用matplot画图表示。可以画出二维图像，也就是参数只有一个的情况。
1 线性模型计算loss代码分析
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): # arange左闭右开 [start， stop）
print('w=', w)
l_sum = 0
for x_val, y_val in zip(x_data, y_data): # 对于每一次w，都去计算一下此时的loss
y_pred_data = forward(x_val) # 记录值，用于输出
loss_val = loss(x_val, y_val)
l_sum += loss_val
print('\t', x_val, y_val, y_pred_data, loss_val)
print('MSE=', l_sum/3) # 除以3 ：一次输入了是三个值去算loss
w_list.append(w)
mse_list.append(l_sum/3)
plt.plot(w_list, mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()
-
手写一下整个过程：
-
输出的loss与w 之间的关系。
-
输出的一部分结果，可以看出每一步w对loss值的关系。
-
w=0.3000000000000000004，是由于在计算机内，有些十进制小数是无法用有限位的二进制小数表示的。【比如0.1】
