动手学深度学习（PyTorch实现）笔记(正式篇1)——线性回归

最新推荐文章于 2021-05-25 11:19:27 发布

CWX2333

最新推荐文章于 2021-05-25 11:19:27 发布

阅读量322

点赞数

分类专栏：动手学深度学习文章标签： python 深度学习

本文链接：https://blog.csdn.net/CWX2333/article/details/104316826

版权

这篇笔记介绍了使用PyTorch实现线性回归的步骤，包括从零开始构建线性回归模型，数据生成，模型参数初始化，定义模型、损失函数和优化算法，以及训练模型的过程。

摘要由CSDN通过智能技术生成

动手学深度学习（PyTorch实现）笔记（正式篇1）（暂）

1. 线性回归

线性回归从零实现

导入包或模块

%matplotlib inline
import torch
from IPython import display
from matplotlib import pyplot as plt
import numpy as np
import random

生成数据集

num_inputs = 2                # 输入个数（特征数）
num_examples = 1000           # 数据集样本数
true_w = [2, -3.4]            # 线性回归模型真实权重
true_b = 4.2                  # 偏差
features = torch.randn(num_examples, num_inputs,
                      dtype=torch.float32)
labels = true_w[0] * features[:, 0] + true_w[1] * features[:, 1] + true_b
labels += torch.tensor(np.random.normal(0, 0.01, size=labels.size()),
                      dtype=torch.float32)