Pytorch深度學習實踐 線性模型

2021-10-14 09:35:26 字數 1330 閱讀 4601

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...