刘二大人的Pytorch保姆式教程。
我觉得算0基础学Pytorch吧,从我现在的基础看就是比较easy的程度,正和我意~
课堂练习:
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] #前馈函数 def forward(x): return x * w #损失函数 def loss(x, y): y_pred = forward(x) return (y_pred - y) * (y_pred - y) w_list = []#参数值w mse_list = []#随着参数值变化产生的均方差 for w in np.arange(0.0, 4.1, 0.1): print('w=', w) l_sum = 0 #将x_data, y_data打包成一个个元组(x_val, y_val) # 其实就是每次对每个list取一个值放入x_val和y_val for 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) w_list.append(w) mse_list.append(l_sum / 3) plt.plot(w_list, mse_list) plt.ylabel('Loss') plt.xlabel('w') plt.show()
课后练习:(懵逼了两个小时才会的,因为毕竟第一次认真看Python代码,再加上“深厚”的Java功底干扰,我上来就写了嵌套for循环,套了半天发现Python根本不这么用……所以感触就是编程有变化,思维要改变……)
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] def forward(x): return x * w + b def loss(x, y): y_pred = forward(x) return (y_pred - y) * (y_pred - y) w_list = np.arange(0.0, 4.0, 0.1) b_list = np.arange(-2, 2.0, 0.1) w, b = np.meshgrid(w_list, b_list) l_sum = 0 for x_val, y_val in zip(x_data, y_data): loss_val = loss(x_val, y_val) l_sum += loss_val print(l_sum) mse = l_sum / 3 fig = plt.figure() ax = Axes3D(fig,auto_add_to_figure=False) fig.add_axes(ax) surf = ax.plot_surface(w, b, mse, rstride=1, cstride=1, cmap='coolwarm', linewidth=0, antialiased=False) #fig.colorbar(surf, shrink=0.5, aspect=5) ax.set_xlabel("w") ax.set_ylabel("b") plt.title("loss") plt.show()
原文地址:http://www.cnblogs.com/zhouyeqin/p/16804927.html
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,请务用于商业用途!
3. 如果你也有好源码或者教程,可以到用户中心发布,分享有积分奖励和额外收入!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,默认解压密码为"gltf",如遇到无法解压的请联系管理员!
8. 因为资源和程序源码均为可复制品,所以不支持任何理由的退款兑现,请斟酌后支付下载
声明:如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性