pytorch回归任务

一、回归任务介绍：

拟合一个二元函数 y = x ^ 2.

二、步骤：

1. 导入包
2. 创建数据
3. 构建网络
4. 设置优化器和损失函数
5. 前向和后向传播训练网络
6. 画图

import torch
from torch.autograd import Variable
import torch.nn.functional as F
import matplotlib.pyplot as plt

#torch中的数据要是二维的，unsqueeze是将一维数据转化成二维数据
tmp = torch.linspace(-1, 1, 100)
x = torch.unsqueeze(tmp, dim=1)
y = x.pow(2) + 0.2*torch.rand(x.size())

# print(tmp)  #torch.Size([100])
# print(x)  #torch.Size([100, 1])
# 转成向量
x, y = Variable(x), Variable(y)

plt.scatter(x.data.numpy(), y.data.numpy())
plt.show()


# Net类继承了Module这个模块
class Net(torch.nn.Module):
    def __init__(self,n_feature,n_hidden,n_output):
        # 在搭建模型之前需要继承的一些信息，super表示继承nn.Module的信息，此步骤必须有
        super(Net,self).__init__()
        self.hidden = torch.nn.Linear(n_feature,n_hidden)
        self.predict = torch.nn.Linear(n_hidden,n_output)