人工智能概论作业二

import os

os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

import torch

from torch.autograd import Variable

import torch.nn.functional as F

import matplotlib.pyplot as plt

 

x=torch.unsqueeze(torch.linspace(-1,1,100),dim=1)

y=x.pow(2)+0.2*torch.rand(x.size())

 

x,y=Variable(x),Variable(y)

 

#plt.scatter(x.data.numpy(),y.data.numpy())

#plt.show()

 

class Net(torch.nn.Module):

    def __init__(self,n_features,n_hidden,n_output):

        super(Net,self).__init__()

        self.hidden=torch.nn.Linear(n_features,n_hidden)

        self.predict=torch.nn.Linear(n_hidden,n_output)

 

    def forward(self,x):

        x=F.relu(self.hidden(x))

        x=self.predict(x)

        return x

 

 

net=Net(1,10,1)

print(net)

 

plt.ion()

plt.show()

 

optimizer=torch.optim.SGD(net.parameters(),lr=0.5)

loss_func=torch.nn.MSELoss()

 

for t in range(100):

    prediction=net(x)

 

    loss=loss_func(prediction,y)

 

    optimizer.zero_grad()

    loss.backward()

    optimizer.step()

    if t%5==0:

 

        plt.cla()

        plt.scatter(x.data.numpy(),y.data.numpy())

        plt.plot(x.data.numpy(),prediction.data.numpy(),'r-',lw=5)

        plt.text(0.5,0,'Loss=%.4f' % loss.data,fontdict={'size':20,'color':'red'})

        plt.pause(0.1)

 

plt.ioff()

plt.show()