1.pycharm安装
打开PyCharm官网,选择安装Community社区版本下载安装。
勾选以下几项,然后点击下一步。
进入python官方网站://www.python.org/,下载python解释器。点击Downloads,进入选择下载界面,选择我们需要的python版本号,点击Download
安装包为可执行版,安装比较简单,一直默认就安装好了。
安装完成后打开pycharm创建一个项目
测试程序成功运行。
点击File>Setting,可看到项目所用的python解释器,并可添加所需模块。
2.pytorch安装
打开N卡控制面板,点击系统信息,查看版本号
进入pytorch官网,进行pytorch安装
将命令复制到cmd窗口回车进行安装。
安装完成后测试安装成功。
3.实现反向传播
import torch
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = torch.Tensor([3.0]) # 初始化权重
w.requires_grad = True # 说明w需要计算梯度
# 注意其中w是tensor,在实际运算中开始进行数乘。
def forward(x):
return w * x
# 损失函数的求解,构建计算图,并不是乘法或者乘方运算
def loss(x, y):
y_pred = forward(x)
return (y_pred - y) ** 2
print("Predict before training", 4, forward(4).item()) ## 打印学习之前的值,.item表示输出张量的值
learning_rate = 0.01
epoch_list = []
loss_list = []
# 训练
for epoch in range(100):
for x, y in zip(x_data, y_data):
l = loss(x, y)
l.backward() # 向后传播
print('\tgrad', x, y, w.grad.item()) # 将梯度存到w之中,随后释放计算图,w.grad.item():取出数值
w.data = w.data - learning_rate * w.grad.data # 张量中的grad也是张量,所以取张量中的data,不去建立计算图
w.grad.data.zero_() # 释放data
print("process:", epoch, l.item())
epoch_list.append(epoch)
loss_list.append(l.item())
print('Predict after training', 4, forward(4).item())
结果:
参考:
pycharm 安装教程 (Windows)菜鸟教程
pytorch安装教程
Pytorch深度学习(三):反向传播