数据进行曲线的拟合,模型训练+模型保存+模型加载+曲线拟合运行源码
首先我们要清楚在开发pytorch深度学习的时候,要进行的以下几步,
重要的是要清楚其背后的数学原理,至少要了解
主要分为以下几个步骤:
A.模型的定义,(举例:定义线性回归模型)
首先继承nn.Module(),其次我们要声明神经网络用到的层,然后定义层与层之间的关系
关于模型定义,其实主要是进行层的声明,以及层与层关系之间的定义,距离是一个简单的线性回归的全链接模型,距离理解可以看注释
'''
**注释部分:**
因为这个层实现的功能是:y=weights*sqrt(x2+bias),所以有两个参数:
权值矩阵weights
偏置矩阵bias
输入 x 的维度是(in_features,)
输出 y 的维度是(out_features,) 故而
bias 的维度是(in_fearures,),注意这里为什么是in_features,而不是out_features,注意体会这里和Linear层的区别所在
weights 的维度是(in_features, out_features)注意这里为什么是(in_features, out_features),而不是(out_features, in_features),注意体会这里和Linear层的区别所在
'''