PyTorch深度学习实践代码 第七讲

#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