深度学习-使用PyTorch模拟二分类

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

"&