栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

PyTorch学习之梯度下降法

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

PyTorch学习之梯度下降法

梯度下降法是一种贪心算法,可以帮助求解函数的(局部)最小值。对于凸函数(如二次函数),梯度下降一定可以找到最优值。

下面模拟梯度下降方法,任务是对于以下数据:

x = [1.,2.,3.]
y = [3.,6.,9.]

我们使用线性回归模型模型 y ^ = x ∗ ω hat{y}=x*omega y^​=x∗ω,找到使得损失最小的 ω omega ω。

import torch
import numpy as np
x = [1.,2.,3.]
y = [3.,6.,9.]
def forward(x):
    return x*w

def loss(x,y):
    totloss = 0
    for u,v in zip(x,y):
        totloss = totloss + (forward(u)-v)**2
    return totloss/len(y)

def GD(x,y):
    gdval = 0
    for u,v in zip(x,y):
        gdval = gdval + 2*(forward(u) - v)*u
    return gdval/len(x)

w = 10
lr = 0.01
epo_list = []
loss_l = []
w_l = []

for epoch in range(100):
    epo_list.append(epoch)
    loss_val = loss(x,y)
    loss_l.append(loss_val)
    w = w - lr*GD(x,y)
    w_l.append(w)
    print('loss : ',loss_val,' ' ,'w : ',w)

绘制损失随迭代次数变化的图像:

绘制 ω omega ω随迭代次数变化的图像:

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/893319.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号