简单的线性回归

import torch
import matplotlib.pyplot as plt
torch.manual_seed(10)
# 随机构建训练样本x,y
x = torch.rand (20,1) * 10
y = 2 * x + (5 + torch.randn(20,1)) 
# 构建线性回归函数的参数
w = torch.randn((1),requires_grad = True)
b = torch.zeros((1),requires_grad = True)
lr = 0.05   # 学习率

for iteration in range(100):
    # 前向传播
    wx = torch.mul(w,x)
    y_pred = torch.add(wx,b)
    # 计算loss
    loss = (0.5 * (y - y_pred)**2).mean()
    # 反向传播
    loss.backward()
    # 更新参数
    b.data.sub_(lr * b.grad)   # 这种_的加法操作时从自身减，相当于-=
    w.data.sub_(lr * w.grad)
    # 张量的梯度清零
    w.grad.data.zero_()
    b.grad.data.zero_()
    
    if iteration % 20 == 0:
        # 原始数据在坐标轴里的点
        plt.scatter(x.data.numpy(), y.data.numpy())
        # 预测数据的线性变化，线的颜色是红色，宽度是5
        plt.plot(x.data.numpy(), y_pred.data.numpy(), 'r-', lw = 5)
        # 画的坐标图中的文字内容
        plt.text(2, 20, 'Loss=%.4f'%loss.data.numpy(), fontdict = {'size': 20, 'color': 'red'})
        # x,y轴的大小长度
        plt.xlim(1.5, 10)
        plt.ylim(8, 28)
        # 图标的标题
        plt.title('Iteration:{}\nw:{}\nb:{}'.format(iteration, w.data.numpy(), b.data.numpy()))
        plt.pause(0.5)   # 暂停一段时间，不然画的太快会卡住显示不出来
        
        if loss.data.numpy() < 1:
            break