1.1 pytorch深度学习--线性回归

前几章不管是安装软件还是关于线性代数和求导的数学教学，沐神都已经讲的很详细了。不详细的地方，我也说不出来个所以然，所以只能望诸君多多努力了。数据预处理部分很重要，但我还没彻底学明白，学明白后会补上。

此部分对于深度学习来说非常简单，但我个人认为对于初学者，尤其是对python不熟练的人来说至关重要。其不仅是机器学习最开始的地方，对初学者个人也是一个检验前几章是否学会弄懂，是否真正理解的地方。

在此之前的微积分部分，线性代数部分，理论可以点到为止，不求甚解，但通过代码的实现一定要清楚。本章也能对之前内容起到巩固作用，本人用泪换来的教训，如果有和我一样的初学者，一定要尝试纯手撸一遍这部分代码，并尽量保证把最关键部分的代码全部看懂。

生成数据集

线性回归的数学公式非常简单，

以买房子为例，假设只有房子的位置、房间数、房子面积这三个因素会影响房屋价格，并和房子价格线性相关。他们各自的权重为，对应的自变量可以是房子位置所在的繁华程度（例如从低到高分为10级，对应0-9）,房间数，房子面积。b可以最初认为假设为0。这就是公式在实际应用中的例子。

在这个模型中，我们能得到一组自变量X和对应的价格y，并希望通过这些数据确定权重w。

为了能验证之后学习的准确率，我们首先生成一组数据集，在此之前先确定为了完成这些工作需要导入哪些库。

import random
import torch
from matplotlib import plot as plt
from d2l import torch as d2l

d2l是沐神为了方便初学者，把一些简单但与课程主旨不太相关的东西（或者是讲过的内容）打包，方便调用。不过为了更好理解，之后我会尽量把调用的东西展开并尝试讲解。

假设总共1000组数据，数据集符合w = [2, -3.4]，b = 4.2，为了增加难度，加入噪声。如果还拿买房举例子，我认为这些噪音表示的可以是众多对房价影响很小的因素，例如房子颜色。和不可测因素，例如因为某人对某个房子（样本）单纯无理由的钟爱而出高价购买等。

def synthetic_data(w, b, num_examples):  #&