目标效果:
import torch
import torch.nn.functional as f
from torch.autograd import Variable
import matplotlib.pyplot as plt
"""生成随机数据"""
n_data = torch.ones(100, 2) # 生成全为1的100行2列的张量
x0 = torch.normal(2 * n_data, 1) # 返回一组张量,表示从均值为2*n_data,标准差为1的正态分布中随机抽取的数据
y0 = torch.zeros(100) # 生成全为0的100行1列的张量,代表标签类型为0
x1 = torch.normal(-2 * n_data, 1) # 标签类型为1,返回一组张量,表示从均值为-2*n_data,标准差为1的正态分布中随机抽取的数据
y1 = torch.ones(100) # 代表标签类型为1
x = torch.cat((x0, x1), 0).type(torch.FloatTensor) # cat是将两个张量,按维度0(行)进行拼接,指定为FloatTensor形式
y = torch.cat((y0, y1), ).type(torch.LongTensor) # 标签一般使用LongTensor形式
x, y = Variable(x), Variable(y) # 变成Variable的形式,神经网络只能输入Variable
"&