pytorch实践线性模型3d详解

 更新时间:2023年04月12日 14:36:53   作者:just-run  
这篇文章主要介绍了pytorch实践线性模型3d详解,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

y = wx +b
通过meshgrid 得到两个二维矩阵
关键理解:
plot_surface需要的xyz是二维np数组
这里提前准备meshgrid来生产x和y需要的参数
下图的W和I即plot_surface需要xy

在这里插入图片描述

Z即我们需要的权重损失
计算方式要和W,I. I的每行中内容是一样的就是y=wx+b的b是一样的

    fig = plt.figure()
    ax = fig.add_axes(Axes3D(fig))
    ax.plot_surface(W, I, Z=MSE_data)

总的实验代码

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

    @staticmethod
    def forward(w, x):
        return w * x
    @staticmethod
    def forward_with_intercept(w, x, b):
        return w * x + b

    @staticmethod
    def get_loss(w, x, y_origin, exp=2, b=None):
        if b:
            y = LinearModel.forward_with_intercept(w, x, b)
        else:
            y = LinearModel.forward(w, x)
        return pow(y_origin - y, exp)
def test_2d():
    x_data = [1.0, 2.0, 3.0]
    y_data = [2.0, 4.0, 6.0]
    weight_data = []
    MSE_data = []

    # 设定实验的权重范围
    for w in np.arange(0.0, 4.1, 0.1):
        weight_data.append(w)
        loss_total = 0
        # 计算每个权重在数据集上的MSE平均平方方差
        for x_val, y_val in zip(x_data, y_data):
            loss_total += LinearModel.get_loss(w, x_val, y_val)
        MSE_data.append(loss_total / len(x_data))

    # 绘图
    plt.xlabel("weight")
    plt.ylabel("MSE")
    plt.plot(weight_data, MSE_data)
    plt.show()
def test_3d():
    x_data = [1.0, 2.0, 3.0]
    y_data = [5.0, 8.0, 11.0]
    weight_data = np.arange(0.0, 4.1, 0.1)
    intercept_data = np.arange(0.0, 4.1, 0.1)
    W, I = np.meshgrid(weight_data, intercept_data)

    MSE_data = []
    # 设定实验的权重范围 循环要先写截距的 meshgrid 的返回第二个是相当于41*41 同一行值相同 ,要在第二层循环去遍历权重
    for intercept in intercept_data:
        MSE_data_tmp = []
        for w in weight_data:
            loss_total = 0
            # 计算每个权重在数据集上的MSE平均平方方差
            for x_val, y_val in zip(x_data, y_data):
                loss_total += LinearModel.get_loss(w, x_val, y_val, b=intercept)
            MSE_data_tmp.append(loss_total / len(x_data))
        MSE_data.append(MSE_data_tmp)
    MSE_data = np.array(MSE_data)
    fig = plt.figure()
    ax = fig.add_axes(Axes3D(fig))
    ax.plot_surface(W, I, Z=MSE_data)
    plt.xlabel("weight")
    plt.ylabel("intercept")
    plt.show()
if __name__ == '__main__':
    test_2d()
    test_3d()

到此这篇关于pytorch实践线性模型3d的文章就介绍到这了,更多相关pytorch线性模型内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • django表单中的按钮获取数据的实例分析

    django表单中的按钮获取数据的实例分析

    在本篇文章里小编给大家详解了关于django表单中的按钮获取数据的内容,需要的朋友们可以参考下。
    2020-07-07
  • python 浅谈serial与stm32通信的编码问题

    python 浅谈serial与stm32通信的编码问题

    今天小编就为大家分享一篇python 浅谈serial与stm32通信的编码问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-12-12
  • 一文教会你用Python读取PDF文件

    一文教会你用Python读取PDF文件

    Python 工程师在日常的工作中,经常会碰到解析和处理PDF文件的情况。本文将pdfplumber进行PDF文件的读取操作,感兴趣的可以了解一下
    2022-08-08
  • Python如何使用qrcode生成指定内容的二维码并在GUI界面显示

    Python如何使用qrcode生成指定内容的二维码并在GUI界面显示

    现在二维码很流行,大街小巷大小商品广告上的二维码标签都随处可见,下面这篇文章主要给大家介绍了关于如何使用qrcode生成指定内容的二维码并在GUI界面显示的相关资料,需要的朋友可以参考下
    2022-09-09
  • Python在图片中添加文字的两种方法

    Python在图片中添加文字的两种方法

    这篇文章主要给大家介绍了在Python在图片中添加文字的两种方法,分别是使用OpenCV和PIL这两个方法实现,在实际应用中要在这两种方法中择优使用。两种方法都给出了详细示例代码,需要的朋友可以参考下。
    2017-04-04
  • django实现后台显示媒体文件

    django实现后台显示媒体文件

    这篇文章主要介绍了django实现后台显示媒体文件,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-04-04
  • python多线程编程中的join函数使用心得

    python多线程编程中的join函数使用心得

    这篇文章主要介绍了python多线程编程中的join函数使用心得,本文先是给出了join函数使用例子,并对join函数的使用作了总结,需要的朋友可以参考下
    2014-09-09
  • Python中异常的捕获与处理详解

    Python中异常的捕获与处理详解

    这篇文章主要介绍了Python中异常的捕获与处理详解,调试Python程序时,经常会报出一些异常,异常的原因一方面可能是写程序时由于疏忽或者考虑不全造成了错误,这时就需要根据异常Traceback到出错点,进行分析改正,需要的朋友可以参考下
    2023-08-08
  • python实现的文件同步服务器实例

    python实现的文件同步服务器实例

    这篇文章主要介绍了python实现的文件同步服务器,实例分析了文件同步服务器的原理及客户端、服务端的实现技巧,需要的朋友可以参考下
    2015-06-06
  • Python日期时间对象转换为字符串的实例

    Python日期时间对象转换为字符串的实例

    今天小编就为大家分享一篇Python日期时间对象转换为字符串的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-06-06

最新评论