Pytorch练习--使用Axes3D的库绘制3D的Loss曲线

使用Axes3D的库绘制3D的Loss曲线

Data

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]

使用线性模型y = w*x + b 绘制Loss曲线

带入numpy库和matplotlib库

import numpy as np
import matplotlib.pyplot as plt

定义模型

def forward(x):
  return x * w + b

定义Loss函数

def loss(x, y):
  y_pred = forward(x)
  return (y_pred - y) * (y_pred - y)

计算Loss

w_list = []
b_list = []
mse_list = np.zeros((20, 20), dtype=float)  # 定义一个二维的list
for i, w in enumerate(np.arange(0.0, 4.0, 0.2)):  # 权重w
  print('w=', w)
  for j, b in enumerate(np.arange(-2.0, 2.0, 0.2)): # bias
    print('b=', b)
    l_sum = 0.0
    for x_val, y_val in zip(x_data, y_data):
      y_pred_val = forward(x_val)   # 预测结果
      loss_val = loss(x_val, y_val) # 计算loss
      l_sum += loss_val       # loss的总和
      print('\t', x_val, y_val, y_pred_val, loss_val) # x的真实值，y的真实值，y的预测值，loss值
    print('MSE=', l_sum / 3)
    mse_list[i][j] = l_sum / 3
    if w==0:
      b_list.append(b)  # bias的list
  w_list.append(w)  # 权重w的list
    
    

输出

使用numpy的meshgrid函数将w_list和b_list组成二维的numpy类型的数组，以及将mse_list转换为numpy类型的数组

x, y= np.meshgrid(w_list, b_list)
z = np.array(mse_list)

当前w_list, b_list, mse_list的维度就变成了

print("w的维度：", x.shape)
print("b的维度：", y.shape)
print("mse的维度：", z.shape)

绘制3D的Loss曲线

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)

ax.plot_surface(x, y, z, rstride = 1, # row行步长
        cstride = 2,       # colum列步长
        cmap = 'rainbow')    # 渐变颜色

plt.show()