（一）PyTorch教程：线性模型训练

1、如下列表，我们有X、Y的数据：

2、想要预测x=4时，y的值？我们就需要提出一个模型，使得输入X的值经过模型后得到输出值Y_pred与真实很接近，这是我们的目标。

提出线性模型：y_pred = x * w，式中y_pred是经过了线性模型得到的预测值。

3、训练损失函数：

损失函数：loss = (y_pred - y)^2 = (x * w - y)，式中y是真实值，y_pred是预测值。

4、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]

# 定义模型：y = x * w
def forward(x):
    return x * w

# 定义损失函数：loss = (y_pred - y) * (y_pred - y)
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) * (y_pred - y)

w_list = []      # 存放权重 w 的列表
mse_list = []    # 存放权重 w 对应的损失值列表
for w in np.arange(0.0, 4.1, 0.1):    # 选择权重 w 以0.1间隔从0.0到4选值
    print('W = ', w)
    l_sum = 0
    for x_val, y_val in zip(x_data, y_data):
        y_pred_val = forward(x_val)     # 输入x_val,经过模型得到输出值y_pred_val
        loss_val = loss(x_val, y_val)   # 模型得到输出值y_pred_val减去实际值所得到的值的平方，得到损失值
        l_sum += loss_val     # 损失值求和
        print('\t', x_val, y_val, y_pred_val, loss_val)
    print('MSE = ', l_sum / 3)   # 损失值的均值
    w_list.append(w)
    mse_list.append(l_sum / 3)   # 添加损失值的均值到mse_list列表中

plt.plot(w_list, mse_list)    # 绘制权重 w 和 权重对应的损失值的均值的图
plt.ylabel('Loss')
plt.xlabel('W')
plt.show()

5、运行结果：