刘二PyTorch深度学习（一作业）

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

# 设函数y=2x+1

x_data = [1.0, 2.0, 3.0]
y_data = [3.0, 5.0, 7.0]


# 定义函数
def forward(x):
    return x * w + b


def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2


# 定义三个数组，分别放w，b，mse
w_list = np.arange(0.0, 4.1, 0.1)
b_list = np.arange(0.0, 4.1, 0.1)
[w, b] = np.meshgrid(w_list, b_list)
mse_list = []
loss_sum = 0

# 循环执行方法
for x_val, y_val in zip(x_data, y_data):
    y_pred_val = forward(x_val)
    loss_val = loss(x_val, y_val)
    loss_sum += loss_val
    print('\n', x_val, y_val, loss_val)
    mse_list.append(loss_sum / 3)
    print(f'MES={loss_sum / 3}')

# 3D 图
figure = plt.figure()
ax = Axes3D(figure)
ax.plot_surface(w, b, loss_sum / 3)
plt.show()

注意：

1、np.meshgrid用来画3D图形的，参数是数组，返回值也是数组

2、Axes3D的包为：

from mpl_toolkits.mplot3d import Axes3D

3、zip（x_data,y_data）：是将这两个数组对应的纵坐标重新组合成多个数组

>>> a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b)     # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c)              # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped)          # 与 zip 相反，*zipped 可理解为解压，返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]