python 深度与学习 逻辑回归实例练习

#线性回归问题
import csv
import matplotlib
import torch
from torch import nn
from torch import optim
from matplotlib import pyplot as plt
##%matplotlib inline省略掉这行代码  添加plt show（）
import numpy as np
from torch.distributions import MultivariateNormal

#设置两组不同的均值向量和协方差矩阵
mu1=-3*torch.ones(2)
mu2=3*torch.ones(2)
sigmal1=torch.eye(2)*0.5#对角线全为1的二维数组
sigmal2=torch.eye(2)*2

#各从两个多远高斯分布中生成100个样本
m1=MultivariateNormal(mu1,sigmal1)
m2=MultivariateNormal(mu2,sigmal2)
x1=m1.sample((100,))
x2=m2.sample((100,))

#设置正负样本的标签
y=torch.zeros((200,1))#生成200个0
y[100:]=1#将后一百个标记为1

#组合、打乱样本
x=torch.cat([x1,x2],dim=0)
idx=np.random.permutation(len(x))  #premutation 用来随机排列一个数组
x=x[idx]
y=y[idx]

#绘制样本
plt.scatter(x1.numpy()[:,0],x1.numpy()[:,1]) #scatter绘制散点图
plt.scatter(x2.numpy()[:,0],x2.numpy()[:,1])
#plt.show()  #显示图片

D_in,D_out=2,1
linear=nn.Linear(D_in,D_out,bias=True)#bias为偏置
output=