在看劉二大人的pytorch教程,寫個筆記記錄一下,如果有什麼問題歡迎一起**呀
傳送門:劉二大人的pytorch深度學習實踐
線性模型
首先是線性模型的定義:給定由d個屬性描述對的示例x = (x_;x_;…;x_),其中}是第i個屬性上的取值,線性模型試圖學得乙個通過屬性的線性組合來進行**的函式,即
轉換成向量形式即為:
線性回歸
基於以上線性模型的定義,引出線性回歸問題,即線性回歸的目的是試圖學得
利用均方誤差進行度量,使mse最小化,用公式表示即為:
詳細了解繼續戳:線性模型(我只是無情的搬運工~)
import numpy as np #用於python繪圖的包
import matplotlib.pyplot as plt
x_data=
[1.0
,2.0
,3.0
]#輸入樣本
y_data=
[2.0
,4.0
,6.0
]#輸出樣本
defforward
(x):
return x*w
defloss
(x,y)
: y_pred=forward(x)
return
(y_pred-)*
(y_pred-y)
w_list=
#權重列表
mse_list=
#損失列表
for w in np.arange(
0.0,
4.1,
0.1)
:#在[0.0,4.1]之間以0.1為間隔生成序列
print
('w='
,w) l_usm=
0for x_val, y_val in
zip(x_data, y_data)
: y_pred_val=forward(x_val)
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)
3)#繪圖plt.plot(w_list,mse_list)
plt.ylabel(
'loss'
)plt.xlabel(
'w')
plt.show(
)
文末附上其他同學寫好的作業:小作 Pytorch深度學習實踐(二) 線性模型
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 defloss x,y y pred forward x return ...
PyTorch深度學習實踐第二講 線性模型
任務說明 建立三個資料點,用線性模型對資料進行擬合,模型引數 w,b 的確定採用窮舉法,計算損失函式mse,將每對 w,b 的mse顯示出來,最後繪製 w,b,mse 三維曲線圖,確定最優的線性模型。import numpy as np import matplotlib.pyplot as plt...
PyTorch深度學習實踐 Overview
pytorch是乙個基於torch的python開源機器學習庫,用於自然語言處理等應用程式。它主要由facebookd的人工智慧小組開發,不僅能夠 實現強大的gpu加速,同時還支援動態神經網路。pytorch是乙個動態的框架,而tensorflow是靜態框架 2.x版本也為動態框架優先 靜態框架就是...