pytorch五：用Variable实现线性回归

一、手动计算梯度实现线性回归

#导入相关包
import torch as t
import matplotlib.pyplot as plt

#构造数据
def get_fake_data(batch_size = 8):
    #设置随机种子数，这样每次生成的随机数都是一样的
    t.manual_seed(10)
    #产生随机数据:y = 2*x+3,加上了一些噪声
    x = t.rand(batch_size,1) * 20
    #randn生成期望为0方差为1的正态分布随机数
    y = x * 2 + (1 + t.randn(batch_size,1)) * 3 
    return x,y

#查看生成数据的分布
x,y = get_fake_data()
plt.scatter(x.squeeze().numpy(),y.squeeze().numpy())

#线性回归

#随机初始化参数
w = t.rand(1,1)
b = t.zeros(1,1)
#学习率
lr = 0.001    

for i in range(10000):
    x,y = get_fake_data()
    
    #forward:计算loss
    y_pred = x.mm(w) + b.expand_as(y)

    #均方误差作为损失函数
    loss = 0.5 * (y_pred - y)**2 
    loss = loss.sum()
    
    #backward:手动计算梯度
    dloss = 1
    dy_pred = dloss * (y_pred - y)
    dw = x.t().mm(dy_pred)
    db = dy_pred.sum()
    
    #更新参数
    w.sub_(lr * dw)
    b.sub_(lr * db)
    
    if