Pytorch的旅程一：线性模型

代码解析

       内层循环：核心计算内容：
       从数据集中，按数据对儿取出自变量x_val和真实值y_val;先调用forward函数，计算预测值 w*x(y_hat)；调用loss函数，计算单个数据的损失数值；累加损失，并记下来（此处要提前初始化一个值为0的变量，后面才能不报错）；随意打印想要看到的内容，一般是打印x_val、y_val、loss_val；在外层循环中(也就是每一个数据对儿计算的时候)，都要把计算的结果，放进之前的空列表，用于绘图。
       

全部代码

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]


def forward(x):
    return x * w


# loss function 是 均方根误差 loss = （y_hat - y) ** 2
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) * (y_pred - y)


w_list = []
mse_list = []

for w in np.arange(0.0, 4.0, 0.1):
    print('w=', w)
    l_sum = 0
    for x_val, y_val in zip(x_data, y_data):  
    # A zip object yielding tuples until an input is exhausted;
        y_pred_val = forward(x_val)
        loss_val = loss(x_val, y_val)  
        # 传入的是x_val，但是经过loss中的forward计算后，已经是y_hat(估计值)了;
        l_sum += loss_val
        print('\t', x_val, y_val, y_pred_val, loss_val)
    print('MSE=', l_sum / len(x_data))  
    # 求一下 损失的均值
    w_list.append(w)
    mse_list.append(l_sum / len(x_data))

plt.plot(w_list, mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()