Pytorch线性回归

最新推荐文章于 2024-04-21 16:29:42 发布

DIONG.

最新推荐文章于 2024-04-21 16:29:42 发布

阅读量1.9k

点赞数

文章标签：线性回归算法回归

本文链接：https://blog.csdn.net/m0_55990888/article/details/123380127

版权

本文介绍了如何在Pytorch中实现线性回归模型，通过基本的y=wx+b公式，详细阐述了数据准备、预测值计算、损失函数计算以及参数更新的步骤。

摘要由CSDN通过智能技术生成

1. 实现线性回归

用基础模型 y = wx + b

步骤： 1. 准备数据

2. 计算预测值

3. 计算损失，把参数的梯度置为0，进行反向传播

4. 更新参数

import torch
import numpy as np
from matplotlib import pyplot as plt

learning_rate = 0.01

# 1. 准备数据 y = 3x + 0.8，准备参数
x = torch.rand([500,1]) # 返回50个服从均匀分布的初始化后的tenosr
y_true = 3*x + 0.8

# 2. 通过模型计算y_predict
w = torch.rand([1,1], requires_grad=True)
b = torch.tensor(0, requires_grad=True,dtype=torch.float32)

#4. 通过循环，反向传播，更新参数
for i in range(2000):
    # 3. 计算loss
    # torch.matmul() 是tensor的乘法
    y_predict = torch.matmul(x, w) + b
    # 损失值= (预测值-实际值的平方)的均值
    loss = (y_true - y_predict).pow(2).mean()
    # 判断w和b是否使用过，如果使用过则就地重置
    if w.grad is not None:
        w.grad.data.zero_()
    if b.grad is not None:
        b.grad.data.zero_()

    # 反向传播 反向传播之后就可以获取到w.gr