Pytorch深度学习的线性模型3D图
刘二大人的第二讲作业题 根据课上所讲的一维的线性拟合,来写代码实现三维的图形。 具体代码实现和相关函数标注如下图所示:
import numpy as np import matplotlib.pyplot as plt from matplotlib import cm from mpl_toolkits.mplot3d import Axes3D # y = w * x + b x_data = [1.0, 2.0, 3.0] y_data = [1.5, 4.0, 6.5] W, B = np.arange(0.0, 4.1, 0.1), np.arange(-2.0, 2.1, 0.1) # 给定要用的参数W,B的区间 w, b = np.meshgrid(W, B, indexing=ij) # 构建矩阵坐标 生成网格点坐标矩阵 indexing参数默认为xy ,当参数的值为xy时,代表的是 笛卡尔 ,ij代表的是矩阵 def forward(x): return x * w + b def loss(y_pred, y): return (y_pred - y) * (y_pred - y) mse_list = [] l_sum = 0 for x_val, y_val in zip(x_data, y_data): y_pred_val = forward(x_val) #y 的一个预测值 loss_val = loss(y_pred_val, y_val) l_sum += loss_val mse_list.append(l_sum / 3) fig = plt.figure(figsize=(10, 10), dpi=300) #figsize指定图片的宽高,单位是英寸 dpi为分辨率 # 将figure变为3d ax = Axes3D(fig) # 绘图,rstride:行之间的跨度 cstride:列之间的跨度 surf = ax.plot_surface(w, b, np.array(mse_list[0]), rstride=1, cstride=1, cmap=cm.coolwarm, linewidth=0,antialiased=False) #前三个参数是x,y,z轴的坐标 cmap用来设置颜色的映射 ax.set_zlim(0, 40) #设置z坐标轴的一个范围 # 设置坐标轴标签 ax.set_xlabel("w") ax.set_ylabel("b") ax.set_zlabel("loss") #文本显示的内容 在锚框的左上角显示 ax.text(0.2, 2, 43, "Cost Value", color="black") fig.colorbar(surf, shrink=0.5, aspect=5) plt.show()
代码的运行效果如下图所示: 如果发现自己运行代码所实现的图和老师所展示的图片不太一样,尝试修改参数进行调整。
上一篇:
通过多线程提高代码的执行效率例子
下一篇:
SI,SIS,SIR,SEIRD模型