【项目实战】使用PyTorch预测汽车从A点到B点的消耗，在 PyTorch 中构建完整的深度学习管道

---

💁 新人博主，多多支持

👋 本文由 EasyAI 原创，首发于 CSDN🙉

⌚️ 欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！

😎未来很长，值得我们全力奔赴更美好的生活✋

---

了解如何在 PyTorch 中构建完整的深度学习管道

介绍

近期国际油价油价飞涨，国内成品油零售价格也将再创新高，当你抬头看的油价时候，你有没有注意到在网上，您的汽车从 A 点到 B 点应该花多少油费，这些数字几乎与现实不符？

在本文中，我想开发一个简单的模型，该模型可以预测汽车的效率（或消耗），以单加仑 (MPG) 行驶的英里数来衡量。

这些都将使用 PyTorch 在 Python 中完成。

---

数据集

我们将在这个项目中使用的数据集是一个里程碑式的数据集，来自 UCI 存储库的 Auto MPG 数据集。它由 9 个特征组成，包含 398 条记录。具体而言，变量名称及其类型如下：

1. mpg: continuous
2. cylinders: multi-valued discrete
3. displacement: continuous
4. horsepower: continuous
5. weight: continuous
6. acceleration: continuous
7. model year: multi-valued discrete
8. origin: multi-valued discrete
9. car name: string (unique for each instance)

---

开始

首先，我们加载数据集并适当地重命名列，na_values 属性用于让pandas识别‘?’类型的数据应该被视为null。

import pandas as pd

url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data'
col_names = ['MPG','Cylinders','Displacement','Horsepower','Weight','Acceleration','Model_Year','Origin']

df = pd.read_csv(url, names = col_names, na_values = '?', comment = '\t', sep = ' ', skipinitialspace = True)

现在使用 df.head() 显示数据集。

index	MPG	Cylinders	Displacement	Horsepower	Weight	Acceleration	Model_Year	Origin
0	18.0	8	307.0	130.0	3504.0	12.0	70	1
1	15.0	8	350.0	165.0	3693.0	11.5	70	1
2	18.0	8	318.0	150.0	3436.0	11.0	70	1
3	16.0	8	304.0	150.0	3433.0	12.0	70	1
4	17.0	8	302.0