课程网址
Pytorch深度学习实践

部分课件内容：

代码部分如下：

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

def loss(x,y):
    y_pred = forward(x)
    return (y_pred - y) ** 2

w_list = []
mse_list = []

for w in np.arange(0.0, 4.1, 0.1):
    print('w=',w)
    l_sum = 0.0
    for x_val , y_val in zip(x_data, y_data):
        y_pred_val = forward(x_val)
        loss_val = loss(x_val, y_val)
        l_sum += loss_val
        print('\t',x_val, y_val, y_pred_val,loss_val)
    print('MSE=', l_sum / len(x_data))
    w_list.append(w)
    mse_list.append(l_sum / len(x_data))


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

上面的代码定义了一个数据集，是一个2x3的列表
然后我们定义了一个线性模型，去预测y_pred，然后去计算MSE，
我们在0-4.0之间用0.1间隔去搜索线性模型的参数，