您好,登錄后才能下訂單哦!
這篇文章主要介紹“pytorch實(shí)踐線性模型3d源碼分析”的相關(guān)知識(shí),小編通過(guò)實(shí)際案例向大家展示操作過(guò)程,操作方法簡(jiǎn)單快捷,實(shí)用性強(qiáng),希望這篇“pytorch實(shí)踐線性模型3d源碼分析”文章能幫助大家解決問(wèn)題。
y = wx +b
通過(guò)meshgrid 得到兩個(gè)二維矩陣
關(guān)鍵理解:
plot_surface需要的xyz是二維np數(shù)組
這里提前準(zhǔn)備meshgrid來(lái)生產(chǎn)x和y需要的參數(shù)
下圖的W和I即plot_surface需要xy
Z即我們需要的權(quán)重?fù)p失
計(jì)算方式要和W,I. I的每行中內(nèi)容是一樣的就是y=wx+b的b是一樣的
fig = plt.figure() ax = fig.add_axes(Axes3D(fig)) ax.plot_surface(W, I, Z=MSE_data)
總的實(shí)驗(yàn)代碼
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 = [] # 設(shè)定實(shí)驗(yàn)的權(quán)重范圍 for w in np.arange(0.0, 4.1, 0.1): weight_data.append(w) loss_total = 0 # 計(jì)算每個(gè)權(quán)重在數(shù)據(jù)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)) # 繪圖 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 = [] # 設(shè)定實(shí)驗(yàn)的權(quán)重范圍 循環(huán)要先寫(xiě)截距的 meshgrid 的返回第二個(gè)是相當(dāng)于41*41 同一行值相同 ,要在第二層循環(huán)去遍歷權(quán)重 for intercept in intercept_data: MSE_data_tmp = [] for w in weight_data: loss_total = 0 # 計(jì)算每個(gè)權(quán)重在數(shù)據(jù)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()
關(guān)于“pytorch實(shí)踐線性模型3d源碼分析”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí),可以關(guān)注億速云行業(yè)資訊頻道,小編每天都會(huì)為大家更新不同的知識(shí)點(diǎn)。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。