PyTorch深度学习实践代码第五讲

最新推荐文章于 2023-03-12 21:32:57 发布

李怀亮

最新推荐文章于 2023-03-12 21:32:57 发布

阅读量341

点赞数 1

本文链接：https://blog.csdn.net/m0_46166352/article/details/114271420

版权

#引入torch
import torch
#准备数据，用Tensor张量表示
x_data = torch.Tensor([[1.0],[2.0],[3.0]])
y_data = torch.Tensor([[2.0],[4.0],[6.0]])

#将线性模型定义为一个类，nn的意思是神经网络neural network.所有的模型都要从nn.Module模块继承下来。
class LinearModel(torch.nn.Module):
    #__init__为构造函数，初始化你的对象的时候，默认调用的函数。self是指对象自己，
    def __init__(self):
        #super调用父类初始化器，当多继承时，避免公共基类的重复调用
        super(LinearModel,self).__init__()
        #实例化，构造一个线性函数（包含权重w和偏置b）。括号里面代表输入的维度，和输出的维度。
        self.linear = torch.nn.Linear(1,1)
    #定义前馈过程中要进行的计算    
    def forward(self,x):
        #可调用的对象，做的是wx+b的形式
        y_pred = self.linear(x)
        #返回y
        return y_pred
#实例化模型，可调用。
model = LinearModel()

#构造均方差损失,设置降维求和
criterion = torch.nn.MSELoss(reduction='sum')
#用优化模块中的SGD优化模型中所有的参数，学习率为0.01
optimizer = torch.optim.SGD(model.parameters(),lr=0.01)

#循环100次
for