最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

pytorch實(shí)踐線性模型3d詳解

 更新時(shí)間:2023年04月12日 14:36:53   作者:just-run  
這篇文章主要介紹了pytorch實(shí)踐線性模型3d詳解,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下

y = wx +b
通過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來生產(chǎn)x和y需要的參數(shù)
下圖的W和I即plot_surface需要xy

在這里插入圖片描述

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()

到此這篇關(guān)于pytorch實(shí)踐線性模型3d的文章就介紹到這了,更多相關(guān)pytorch線性模型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • python 獲取一個(gè)值在某個(gè)區(qū)間的指定倍數(shù)的值方法

    python 獲取一個(gè)值在某個(gè)區(qū)間的指定倍數(shù)的值方法

    今天小編就為大家分享一篇python 獲取一個(gè)值在某個(gè)區(qū)間的指定倍數(shù)的值方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2018-11-11
  • Python裝飾器原理與基本用法分析

    Python裝飾器原理與基本用法分析

    這篇文章主要介紹了Python裝飾器原理與基本用法,結(jié)合實(shí)例形式分析了Python裝飾器的基本功能、原理、用法與操作注意事項(xiàng),需要的朋友可以參考下
    2020-01-01
  • 如何將python的數(shù)據(jù)存儲(chǔ)到mysql數(shù)據(jù)庫中

    如何將python的數(shù)據(jù)存儲(chǔ)到mysql數(shù)據(jù)庫中

    在很多數(shù)據(jù)處理項(xiàng)目中,將數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫中是非常常見的操作,下面這篇文章主要給大家介紹了關(guān)于如何將python的數(shù)據(jù)存儲(chǔ)到mysql數(shù)據(jù)庫中的相關(guān)資料,需要的朋友可以參考下
    2023-12-12
  • Python?Asyncio中Coroutines,Tasks,Future可等待對(duì)象的關(guān)系及作用

    Python?Asyncio中Coroutines,Tasks,Future可等待對(duì)象的關(guān)系及作用

    這篇文章主要介紹了Python?Asyncio中Coroutines,Tasks,Future可等待對(duì)象的關(guān)系及作用,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,需要的小伙伴可以參考一下
    2022-06-06
  • 詳解pandas賦值失敗問題解決

    詳解pandas賦值失敗問題解決

    這篇文章主要介紹了詳解pandas賦值失敗問題解決,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-11-11
  • Python遞歸函數(shù) 二分查找算法實(shí)現(xiàn)解析

    Python遞歸函數(shù) 二分查找算法實(shí)現(xiàn)解析

    這篇文章主要介紹了Python遞歸函數(shù) 二分查找算法實(shí)現(xiàn)解析,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-08-08
  • Python如何基于rsa模塊實(shí)現(xiàn)非對(duì)稱加密與解密

    Python如何基于rsa模塊實(shí)現(xiàn)非對(duì)稱加密與解密

    這篇文章主要介紹了Python如何基于rsa模塊實(shí)現(xiàn)非對(duì)稱加密與解密,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-01-01
  • Django與圖表的數(shù)據(jù)交互的實(shí)現(xiàn)

    Django與圖表的數(shù)據(jù)交互的實(shí)現(xiàn)

    本文主要介紹了Django與圖表的數(shù)據(jù)交互的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2022-08-08
  • 如何解決Python:報(bào)錯(cuò)[Errno 2]No such file or directory問題

    如何解決Python:報(bào)錯(cuò)[Errno 2]No such file or&nb

    介紹了Python文件讀取操作時(shí)常見的錯(cuò)誤原因及解決方法,主要錯(cuò)誤原因包括路徑拼寫錯(cuò)誤、工作目錄與相對(duì)路徑不匹配以及文件不存在,解決方法有使用絕對(duì)路徑和動(dòng)態(tài)獲取腳本路徑,其他注意事項(xiàng)包括驗(yàn)證文件路徑與名稱、理解工作目錄與相對(duì)路徑
    2025-02-02
  • Opencv Python實(shí)現(xiàn)兩幅圖像匹配

    Opencv Python實(shí)現(xiàn)兩幅圖像匹配

    這篇文章主要為大家詳細(xì)介紹了Opencv Python實(shí)現(xiàn)兩幅圖像匹配,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2021-06-06

最新評(píng)論

石棉县| 耿马| 南木林县| 区。| 桑植县| 博湖县| 绥中县| 桦南县| 济阳县| 菏泽市| 清水河县| 徐汇区| 黄浦区| 应用必备| 青海省| 江门市| 云霄县| 山阴县| 武定县| 秦皇岛市| 米林县| 福泉市| 兴文县| 资源县| 河津市| 汝城县| 呼和浩特市| 元阳县| 泸西县| 灵寿县| 寿光市| 乌什县| 巴林左旗| 北流市| 焉耆| 保山市| 弋阳县| 汕尾市| 昂仁县| 太谷县| 鄂伦春自治旗|