PyTorch深度学习实践 第六集 logist回归 分类

import torch

x=torch.tensor([[1.0],[2.0],[3.0],[4.0],[6.0],[8.0]])
y=torch.tensor([[0.0],[0.0],[1.0],[1.0],[1.0],[1.0]])

class LinearModel(torch.nn.Module):
 def __init__(self):
  super(LinearModel,self).__init__()
  self.linear=torch.nn.Linear(1,1)

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

model=LinearModel()
criterion=torch.nn.BCELoss()
optimizer=torch.optim.SGD(model.parameters(),lr=0.01)

for epoch in range(100):
 y_pred=model(x)
 loss=criterion(y_pred,y)
 print(epoch,loss.item())
 optimizer.zero_grad()
 loss.backward()
 optimizer.step()

print('w=',model.linear.weight.item())
print('b=',model.linear.bias.item())

x_test=torch.tensor([[5.0],[7.0]])
y_test=model(x_test)
print('y_pred=',y_test.data)

总结:

1.sigmoid函数

2.损失函数

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Newjet666

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值