一,线性回归
线性回归的疑问记录
MSE:mean square error均方误差
epoch:迭代次数
optimizer:优化器
mini-batch:小批量
进行线性回归的思路
选择线性模型,定义好初始值,forward前馈,优化算法后
运用训练集对模型进行进行训练,我们选择小批量随机梯度下降
当进行epoch1时,输入小批量的数据进行求loss,然后按照梯度下降的公式得到w1
当进行epoch2时,再次输入小批量的数据求loss,求得w2
就这样一次次的下降至接近global minimu(未完待续)
附录:
图片来源b站李沐老师的课程
基础知识截图
创建数组:[逗号前的表示行;分号是左闭右开,逗号后表示列]
import torch
虽然是pytorch,我们导入时用的是torch
数据操作部分截图
torch.arange
这里隐式构造了计算图
y.detach后u成了一个常数,将某些计算移动到计算图以外。