PyTorch 深度学习实践 第2讲 线性模型

B站--刘二大人《PyTorch深度学习实践》完结合集  2. 线性模型

 PPT 链接：网盘          提取码：cxe4

步骤：1.dataset     2.model     3.training（确定权重）    4.inferring

 1.dataset

training set +text set

 过拟合问题：学习到了噪声

泛化能力：可以识别未见过的图片

 2.model

2.1线性模型

y=w*x+b→找w、b的值

 loss→evaluate model error

目标：降低 loss

loss是相对于样本而言的

MSE是相对于training set 的

穷举法

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_hat
    y_pred = forward(x)
    return (y_pred - y)**2
 
 
# 穷举法
w_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):    #0.0，0.1，0.2，0.3。。。
    print("w=", w)
    l_sum = 0
    for x_val, y_val in zip(x_data, y_data):  #用x_data, y_data 拼成x_val, y_val
        y_pred_val = forward(x_val)           #预测
        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)


#draw the graph
plt.plot(w_list,mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()   
  

 visdom可视化 github--visdom

 exercise

参考链接：

PyTorch 深度学习实践 第2讲_错错莫的博客-优快云博客