深度学习_3_实战_房价预测
梯度



实战






代码:
# %matplotlib inline
import random
import torch
import matplotlib.pyplot as plt
# from d21 import torch as d21def synthetic_data(w, b, num_examples):"""生成 Y = XW + b + 噪声。"""X = torch.normal(0, 1, (num_examples, len(w)))# 均值为0,方差为1的随机数,n个样本,列数为w的长度y = torch.matmul(X, w) + b # y = x * w + by += torch.normal(0, 0.01, y.shape) # 加入随机噪音,均值为0.。形状与y的一样return X, y.reshape((-1, 1))# x, y做成列向量返回true_w = torch.tensor([2, -3.4])
true_b = 4.2
features, labels = synthetic_data(true_w, true_b, 1000)
#读取小批量,输出batch_size的小批量,随机选取
def data_iter(batch_size, features, labels):num_examples = len(features)indices = list(range(num_examples))#转成listrandom.shuffle(indices)#打乱for i in range(0, num_examples, batch_size):#batch_indices = torch.tensor(indices[i:min(i + batch_size, num_examples)])#取yield features[batch_indices], labels[batch_indices]#不断返回# #print(features)
# #print(labels)
#
#
batch_size = 10
#
# for x, y in data_iter(batch_size, features,labels):
# print(x, '\n', y)
# break
# # 提取第一列特征作为x轴,第二列特征作为y轴
# x = features[:, 1].detach().numpy() #将特征和标签转换为NumPy数组,以便能够在Matplotlib中使用。
# y = labels.detach().numpy()
#
# # 绘制散点图
# plt.scatter(x, y, 1)
# plt.xlabel('Feature 1')
# plt.ylabel('Feature 2')
# plt.title('Synthetic Data')
# plt.show()
#
# #定义初始化模型w = torch.normal(0, 0.01, size=(2, 1), requires_grad=True)
b = torch.zeros(1, requires_grad = True)def linreg(x, w, b):return torch.matmul(x, w) + b#定义损失函数def squared_loss(y_hat, y):return (y_hat - y.reshape(y_hat.shape))**2 / 2 #弄成一样的形状# 定义优化算法
def sgd(params, lr, batch_size):"""小批量随梯度下降"""with torch.no_grad():#节省内存和计算资源。for param in params:param -= lr * param.grad / batch_sizeparam.grad.zero_()#用于清空张量param的梯度信息。print("训练函数")lr = 0.03 #学习率
num_ecopchs = 300 #数据扫描三遍
net = linreg #指定模型
loss = squared_loss #损失for epoch in range(num_ecopchs):#扫描数据for x, y in data_iter(batch_size, features, labels): #拿出x, yl = loss(net(x, w, b), y)#求损失,预测net,真实yl.sum().backward()#算梯度sgd([w, b], lr, batch_size)#使用参数的梯度更新参数with torch.no_grad():train_l = loss(net(features, w, b), labels)print(f'epoch {epoch + 1},loss {float(train_l.mean()):f}')
运行效果:

相关文章:
深度学习_3_实战_房价预测
梯度 实战 代码: # %matplotlib inline import random import torch import matplotlib.pyplot as plt # from d21 import torch as d21def synthetic_data(w, b, num_examples):"""生成 Y XW b 噪声。"""X torch.normal(0,…...
HCIA -- 动态路由协议之RIP
一、静态协议的优缺点: 缺点: 1、中大型网络配置量过大 2、不能基于拓扑的变化而实时的变化 优点: 1、不会额外暂用物理资源 2、安全问题 3、计算路径问题 简单、小型网络建议使用静态路由;中大型较复杂网络,建议使用…...
JS常用时间操作moment.js参考文档
Moment.js是一个轻量级的JavaScript时间库,它方便了日常开发中对时间的操作,提高了开发效率。日常开发中,通常会对时间进行下面这几个操作:比如获取时间,设置时间,格式化时间,比较时间等等。下面…...
基于 FFmpeg 的跨平台视频播放器简明教程(九):Seek 策略
系列文章目录 基于 FFmpeg 的跨平台视频播放器简明教程(一):FFMPEG Conan 环境集成基于 FFmpeg 的跨平台视频播放器简明教程(二):基础知识和解封装(demux)基于 FFmpeg 的跨平台视频…...
设计模式_备忘录模式
备忘录模式 介绍 设计模式定义案例问题堆积在哪里解决办法备忘录模式行为型模式, 保存了数据某一个时间点的状态 在需要的时候进行回档单机游戏的角色 数据保存并且回档保存和回档加一个状态管理类 类图 代码 MomentData using UnityEngine;public class MomentD…...
双势阱模型
双势阱模型 原子钟 传统的原子钟利用氨分子 由于隧道效应,上顶点的氮原子可以贯穿三个氢原子形成的势垒,到达下顶点对体系注入微波能量后,氮原子在上下定点之间振荡,体系的能量在两个稳定态之间交替变换,其振荡频率决…...
文献阅读:The Reversal Curse: LLMs trained on “A is B” fail to learn “B is A”
文献阅读:The Reversal Curse: LLMs trained on “A is B” fail to learn “B is A” 1. 文章简介2. 实验 & 结果考察 1. finetune实验2. 真实知识问答 3. 结论 & 思考 文献链接:https://arxiv.org/abs/2309.12288 1. 文章简介 这篇文章是前…...
真实感受:是智能家居在选择合适的技术!
科技从来都是为了让我们的生活更加的简单、舒适,而智能家居的智能,体现在如何更更更方便的使用我需要控制的家居。 例如:下班躺在床上想休息,房间和大厅的灯还开着,这时你会选择什么产品躺着解决问题? 红外…...
前端 TS 快速入门之二:接口
1. 接口有什么用 通过 interface 定义接口。 检测对象的属性,不会去检查属性的顺序,只要相应的属性存在并且类型也是对的就可以。 interface IPerson {name: string;age: number; } function say(person: IPerson): void {console.log(my name is ${pers…...
论文生成器(论文、文献综述、开题报告……),Java、Python、C++
“让论文生成器为您省时省力,轻松写出高质量的论文!” 2022年,腾讯全球数字生态大会腾讯云智能专场发布。 链接:http://xiezuo.saiertewl.cn/tb/xrWQed?dCodeh1xDrXmuhZbKPKgI&couponCodexiaoweilunwen...
【Java基础面试三十六】、遇到过异常吗,如何处理?
文章底部有个人公众号:热爱技术的小郑。主要分享开发知识、学习资料、毕业设计指导等。有兴趣的可以关注一下。为何分享? 踩过的坑没必要让别人在再踩,自己复盘也能加深记忆。利己利人、所谓双赢。 面试官:遇到过异常吗࿰…...
DASCTF-CBCTF-2023 Crypto部分复现
文章目录 EzRSACB backpack 这次比赛没打,记错时间了,看了一下,如果去做的话大概也只能做出那两道简单的题,还是太菜啦 EzRSA 题目描述: from Crypto.Util.number import * import random from gmpy2 import * from …...
为什么要做字节对齐 alignment?
下面这段 C 代码的输出是什么?定义的 Type 占用的字节数(下面简称为字节数)是多少呢? #include <iostream>struct Type {char a;int b; };int main(void) {std::cout << sizeof(Type) << \n; }经过编译运行&am…...
(零基础学习)Neo4j+Spring boot 自行定义属性
前置知识 1.Neo4j :属性 节点和关系都可以设置自己的属性。 属性是由Key-Value键值对组成,键名是字符串。属性值是要么是原始值,要么是原始值类型的一个数组。比如String,int和iint[]都是合法的。 注意 null不是一个合法的属性值。 Nulls能…...
【JavaEE】Java的文件IO
文件IO操作 Linux 下的文件操作讲解Java中的文件操作 -- 对文件的增删改查Java中对文件内容的操作 -- 读写操作使用案例 Linux 下的文件操作讲解 在我的Linux栏目下有, 如有需要, 点击下面进行跳转: 内存级文件系统语言级别的文教操作磁盘文件 Java中的文件操作 – 对文件的…...
域名解析与记录
域名解析是将域名转换为IP的过程,使得人们能够直接通过域名访问网站,而不用记繁琐的IP地址信息。而在域名解析中,CNAME记录和A记录是两个不同的记录类型。 A记录(Address Record,地址记录)是指将一个域名解…...
Android 13.0 第三方无源码apk授予QUERY_ALL_PACKAGES等其他权限的方法
1.概述 在13.0的系统产品中,对于内置第三方低版本app时,会有某些权限的冲突,导致在启动app时,崩溃掉,在查询相关日志发现是报权限的问题,所以就需要在安装解析app的时候,授予权限 2.第三方无源码apk授予QUERY_ALL_PACKAGES等其他权限的方法的核心类 /frameworks/base…...
【CSS】gird 网格
网格(Grid)是一种基于列数的布局系统,它可以帮助开发者创建具有水平和垂直分隔的页面布局。在CSS中,Grid是一种非常强大的布局工具,可以轻松地创建复杂的布局结构。Grid的主要属性包括: grid-template-col…...
(未完待续)【Netty专题】Netty实战与核心组件详解
目录 前言阅读对象阅读导航前置知识课程内容一、Netty简介1.1 Netty是什么1.2 Netty有什么优势 二、第一个Netty程序2.1 Netty简单使用示例2.2 代码解读2.3 Netty的特性2.3.1 Netty的事件 2.4 Netty线程模型 三、Netty核心组件详解(未完待续)3.1 EventLo…...
“第四十五天” 数据结构基本概念
目前看的有关数据结构的课,估计这周就看完了,但感觉差很多,还是和c一样,这样过一下吧。但可能比较急,目前是打算争取寒假回家之前把四大件都先大致过一遍。 数据结构里面有很多新的定义和概念,学到现在&am…...
CS32L010芯片烧录实战:用Keil+Jlink一键搞定hex文件(附常见错误排查)
CS32L010芯片烧录实战:用KeilJlink一键搞定hex文件(附常见错误排查) 在嵌入式开发领域,芯片烧录是每个工程师必须掌握的基础技能。CS32L010作为一款性价比极高的32位微控制器,广泛应用于物联网终端设备、智能家居和工业…...
AGI验证不是“加个测试集”那么简单:基于27个真实事故案例的12项反模式清单
第一章:AGI验证的本质挑战与范式跃迁 2026奇点智能技术大会(https://ml-summit.org) AGI验证远非传统软件测试或模型评估的简单延伸,其核心困境在于:验证对象本身缺乏稳定定义、可穷举行为边界与可判定终止条件。当系统具备跨域元认知、自主…...
别再复制粘贴了!用QCustomPlot在Qt6中绘制第一条平滑曲线的保姆级教程
从折线到曲线:QCustomPlot在Qt6中的平滑绘制实战指南 实验室里,小王盯着屏幕上锯齿状的折线图皱起了眉头——这和他论文中需要展示的平滑曲线相去甚远。隔壁工位的同事瞥了一眼:"又卡在绘图上了?"这场景在科研和工业领域…...
技术顶尖却始终赚不到大钱:程序员最容易忽略的那门“手艺”
在技术一线,越来越多程序员把“精通Java”“刷LeetCode”“深挖源码”当成职业护城河。年薪五十万、技术专家头衔、公司核心项目一把抓,看起来前途无量。可真正到职业天花板时,却发现自己和65岁只剩105美元的肯德基上校桑德斯上校陷入了同一个…...
【艺术家紧急自救手册】:2026奇点大会实证——AGI接管创意流程的7个高危节点及防御策略
第一章:2026奇点智能技术大会:AGI与艺术创作 2026奇点智能技术大会(https://ml-summit.org) 本届大会首次设立“AGI原生艺术工坊”,聚焦具备自主意图建模与跨模态反思能力的通用人工智能系统在视觉、音乐与叙事创作中的前沿实践。多位研究者…...
rPPG非接触式心率检测框架:从零开始构建你的远程生理监测系统
rPPG非接触式心率检测框架:从零开始构建你的远程生理监测系统 【免费下载链接】rppg Benchmark Framework for fair evaluation of rPPG 项目地址: https://gitcode.com/gh_mirrors/rpp/rppg 在当今数字健康时代,rPPG(远程光电容积描记…...
Mysql--基础知识点--102--redo log内容
下面以 InnoDB 存储引擎 的 redo log 为例,给出一个典型的 UPDATE 操作 产生的 redo log 内容示例。 环境准备 假设有一张表: CREATE TABLE t1 (id INT PRIMARY KEY, name VARCHAR(20)) ROW_FORMATCOMPACT;执行更新: BEGIN; UPDATE t1 SET na…...
别再死记硬背了!用H模型和Π模型,手把手教你搞定三极管高频电路设计
别再死记硬背了!用H模型和Π模型,手把手教你搞定三极管高频电路设计 记得第一次设计高频放大器时,我盯着三极管手册上的参数发呆了半小时——rbb、Cob、fT这些字母组合像天书一样。更让人崩溃的是,教材里H模型和Π模型的推导过程密…...
Linux 命名空间(Namespace)实战指南:从原理到容器化应用
1. Linux命名空间:容器技术的隐形骨架 第一次听说Linux命名空间时,我正被Docker容器里"独立"的进程树和网络配置搞得一头雾水。直到有天用lsns命令看到容器进程背后那些带方括号的ns标识,才恍然大悟——原来每个容器都是被命名空间…...
别再乱用本地布线了!7系列FPGA时钟设计避坑指南:BUFG、BUFH、BUFR到底怎么选?
7系列FPGA时钟架构深度解析:BUFG、BUFH与BUFR的黄金选择法则 当你在Vivado中看到时序报告里那些令人头疼的红色警告时,是否曾怀疑过自己的时钟方案出了问题?7系列FPGA的时钟架构就像一座精密的钟表,每个齿轮(时钟缓冲…...
