PyTorch深度学习实践

完全使用PyTorch框架的工具来构建模型，输入数据等。

完成最简单的$y=w\ast x+b$模型的构建过程

数据集不再使用列表数据，使用Tensor对象来保存，一次输入一个$3\ast 1$的数据矩阵。

x	y
1.0	2.0
2.0	4,0
3.0	6.0
4.0	？

将数据集批量送入模型中，实现代码如下：

# Author:gt
# CreatTime:2021/10/31
# FileName:lesson4.py
#用PyTorch来构建线性模型y=w*x+b(实际b=0)
import torch
x_train=torch.Tensor([[1.0],[2.0],[3.0]])  #3*1的矩阵  批量梯度下降
y_train=torch.Tensor([[2.0],[4.0],[6.0]])  #3*1的矩阵

#用类来构建模型
class LinearModel(torch.nn.Module):
    def __init__(self):
        super(LinearModel,self).__init__()
        self.linear=torch.nn.Linear(1,1)

    def forward(self,x):
        y_pre=self.linear(x)
        return y_pre

model=LinearModel()#模型实例化

criterion=torch.nn.MSELoss(size_average=False)  #接收的参数相当于y^和y
optimizer=torch.optim.SGD(model.parameters(),lr=0.01)
#训练模型
for epoch in range(1000):
    y_pre=model(x_train)
    loss=criterion(y_pre,y_train)
    print(epoch,loss.item())

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

#输出最后训练模型的权重和偏置值
print('w=',model.linear.weight.item())
print('b=',model.linear.bias.item())

#测试模型
x_test=torch.Tensor([[4.0]])
y_test=model(x_test)
print('y_pre=',y_test.data)

训练得到模型参数w约等于2，b约等于0，训练结果为8，较好的得到了预期的值

完结，撒花