#引入numpy
import numpy as np
#引入torch
import torch
#引入数据集,用np中的加载文本功能,加载文本。分割符为逗号。数据类型为32位浮点型
xy = np.loadtxt('diabetes.csv',delimiter=',',dtype=np.float32)
#x的数据是用torch中的来自numpy提取数据,:代表所有行,:-1代表除了最后一列的所有列。
x_data = torch.from_numpy(xy[:,:-1])
#y的数据是torch中的来自numpy提取数据,:代表所有行,【-1】代表最后一列
y_data = torch.from_numpy(xy[:,[-1]])
#构造模型
class Model(torch.nn.Module):
#初始化自身对象
def __init__(self):
#super调用父类初始化器
super(Model,self).__init__()
#构造一个输入是8维,输出是6维的线性模型
self.linear1 = torch.nn.Linear(8,6)
#构造一个输入是6维,输出是4维的线性模型
self.linear2 = torch.nn.Linear(6,4)
#构造一个输入是4维,输出是1维的线性模型
self.linear3 = torch.nn.Linear(4,1)
#构造一个逻辑回归模型
self.sigmoid = torch.nn.Sigmoid()
#前向传播
def forward(self,x):
#用sigmoid激活线性模型1,也就是将线性模型1代入到sigmoid里面
PyTorch深度学习实践代码 第七讲
最新推荐文章于 2023-04-23 17:33:49 发布