pytorch实践线性模型3d详解

y = wx +b
通过meshgrid 得到两个二维矩阵
关键理解：
plot_surface需要的xyz是二维np数组
这里提前准备meshgrid来生产x和y需要的参数
下图的W和I即plot_surface需要xy

Z即我们需要的权重损失
计算方式要和W,I. I的每行中内容是一样的就是y=wx+b的b是一样的

fig = plt.figure()
   ax = fig.add_axes(Axes3D(fig))
   ax.plot_surface(W, I, Z=MSE_data)

总的实验代码

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 = []

# 设定实验的权重范围
   for w in np.arange(0.0, 4.1, 0.1):
       weight_data.append(w)
       loss_total = 0
       # 计算每个权重在数据集上的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))

# 绘图
   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 = []
   # 设定实验的权重范围 循环要先写截距的 meshgrid 的返回第二个是相当于41*41 同一行值相同 ，要在第二层循环去遍历权重
   for intercept in intercept_data:
       MSE_data_tmp = []
       for w in weight_data:
           loss_total = 0
           # 计算每个权重在数据集上的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()

来源：https://blog.csdn.net/qq_38095787/article/details/129986507