PyTorch学习记录（1）

Pytorch第四讲

使用PyTorch框架实现简单线性模型

总体步骤

步骤一

构建数据集（Prepare dataset)

步骤2

设计模型（Design model using Class) 注：这里的模型是指用来求解y-hat

步骤3

构造损失函数和优化器(Construct loss and optimizer)

步骤4

编写训练过程(Training cycle: forward, backward, update)

总结

1.求解Y-hat
2.求解loss
3.backward
4.更新权重

实现代码

import torch

x_data = torch.Tensor([[1.0], [2.0], [3.0]])
y_data = torch.Tensor([[1.0], [4.0], [6.0]])

class LinearModel(torch.nn.Module):
    def __init__(self):
        super(LinearModel, self).__init__()     #调用父类构造
        self.linear = torch.nn.Linear(1, 1)     #构造对象 其中第一个参数1为输入（这里指x）的维度，第二个参数1为输出（这里指y）的维度

    def forward(self, x):
        y_pred = self.Linear(x)
        return y_pred

model = LinearModel()

criterion = torch.nn.MSELoss(size_average=False)

optimizer = torch.optim.SGD(model.parameters(), lr = 0.01)

for epoch in range(100):

    y_pred = model(x_data)
    loss = criterion(y_pred, y_data)
    print(epoch, loss)

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()