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

  • Python 超时请求或计算的处理方案

    Python 超时请求或计算的处理方案

    这篇文章主要介绍了Python 超时请求或计算的处理方案,本文给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧
    2024-06-06
  • python异步IO的项目实践

    python异步IO的项目实践

    本文主要介绍了python异步IO的项目实践,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-06-06
  • Python multiprocess pool模块报错pickling error问题解决方法分析

    Python multiprocess pool模块报错pickling error问题解决方法分析

    这篇文章主要介绍了Python multiprocess pool模块报错pickling error问题解决方法,结合实例形式分析了multiprocess pool模块报错pickling error的原因与解决方法,需要的朋友可以参考下
    2019-03-03
  • Python实现栈的方法详解【基于数组和单链表两种方法】

    Python实现栈的方法详解【基于数组和单链表两种方法】

    这篇文章主要介绍了Python实现栈的方法,结合实例形式详细分析了Python基于数组和单链表两种方法定义栈的相关操作技巧,需要的朋友可以参考下
    2020-02-02
  • python 函数定位参数+关键字参数+inspect模块

    python 函数定位参数+关键字参数+inspect模块

    这篇文章主要介绍了python 函数定位参数+关键字参数+inspect模块,文章围绕主题展开详细的相关资料,具有一定的参考价值,需要的小伙伴可以参考一下
    2022-05-05
  • 如何利用python正则表达式匹配版本信息

    如何利用python正则表达式匹配版本信息

    这篇文章主要给大家介绍了关于如何利用python正则表达式匹配版本信息的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-12-12
  • python中setuptools的作用是什么

    python中setuptools的作用是什么

    在本篇文章里小编给大家分享的是一篇关于python中setuptools的作用以及相关用法,需要的朋友们可以跟着学习下。
    2020-06-06
  • Python爬虫lxml库处理XML和HTML文档

    Python爬虫lxml库处理XML和HTML文档

    在当今信息爆炸的时代,网络上的数据量庞大而繁杂,为了高效地从网页中提取信息,Python爬虫工程师们需要强大而灵活的工具,其中,lxml库凭借其卓越的性能和丰富的功能成为Python爬虫领域的不可或缺的工具之一,本文将深入介绍lxml库的各个方面,充分掌握这个强大的爬虫利器
    2023-12-12
  • Django中自定义模型管理器(Manager)及方法

    Django中自定义模型管理器(Manager)及方法

    这篇文章主要介绍了Django中自定义模型管理器(Manager)及方法,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2019-09-09
  • python读取并显示图片的三种方法(opencv、matplotlib、PIL库)

    python读取并显示图片的三种方法(opencv、matplotlib、PIL库)

    这篇文章主要给大家介绍了关于python读取并显示图片的三种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-04-04

最新评论