能根据一个模型做出loss曲线代码吗

可以，以下是一个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

# 构造模型
def model(x, w):
    return w * x

# 生成数据
np.random.seed(0)
x_train = np.linspace(0, 1, 10)
y_train = model(x_train, 2) + np.random.randn(10) * 0.1

# 定义损失函数
def mse_loss(y_true, y_pred):
    return np.mean(np.square(y_true - y_pred))

# 定义训练函数
def train(x, y_true, learning_rate=0.1, num_epochs=100):
    # 初始化权重
    w = np.random.randn()
    # 保存loss的列表
    loss_list = []
    # 迭代训练
    for epoch in range(num_epochs):
        # 前向传播
        y_pred = model(x, w)
        # 计算损失
        loss = mse_loss(y_true, y_pred)
        # 保存loss
        loss_list.append(loss)
        # 反向传播
        dw = np.mean((y_pred - y_true) * x)
        # 更新权重
        w -= learning_rate * dw
    return w, loss_list

# 训练模型
w, loss_list = train(x_train, y_train)

# 绘制loss曲线
plt.plot(loss_list)
plt.xlabel('Epoch')
plt.ylabel('MSE Loss')
plt.show()

该代码中，我们构造了一个简单的线性模型 model，并生成了一组随机数据用于训练。在 train 函数中，我们使用随机梯度下降算法训练模型，同时保存每个 epoch 的损失值，最终绘制出 loss 曲线