Pytorch学习（一）--线性回归

最近开始学习pytorch了，计划一周之内看个大概。

Pytorch学习系列（一）至（四）均摘自《深度学习框架PyTorch入门与实践》陈云

这里把自己觉得比较重要并且具有代表性的代码贴出来，做一下记录。

#-----------------------------------------------------------------------------
#---------------------------线性回归------------------------------------
#-----------------------------------------------------------------------------

import torch as t
from matplotlib import pyplot as plt
from IPython import display

t.manual_seed(1000)

def get_fake_data(batch_size=8):
    x=t.rand(batch_size,1)*20
    y=x*2+(1+t.randn(batch_size,1))*3
    return x,y

x,y=get_fake_data()
plt.scatter(x.squeeze().numpy(),y.squeeze().numpy())

w=t.rand(1,1)
b=t.zeros(1,1)
lr=0.001

for ii in range(20000):
    x,y=get_fake_data()
    
    y_pred=x.mm(w)+b.expand_as(y)
    loss=0.5*(y_pred-y)**2
    loss=loss.sum()
    
    dloss=1
    dy_pred=dloss*(y_pred-y)
    
    dw=x.t().mm(dy_pred)
    db=dy_pred.sum()
    
    w.sub_(lr*dw)
    b.sub_(lr*db)
    
    if ii%1000==0:
        
        display.clear_output(wait=True)
        x=t.arange(0,20).view(-1,1)
        y=x.mm(w)+b.expand_as(x)
        plt.plot(x.numpy(),y.numpy())
        
        x2,y2=get_fake_data(batch_size=20)
        plt.scatter(x2.numpy(),y2.numpy())
        
        plt.xlim(0,20)
        plt.ylim(0,41)
        plt.show()
        plt.pause(0.5)
        
        print(w.squeeze()[0],b.squeeze()[0])

1.t.manual_seed()

参考：http://pytorch.org/docs/master/torch.html?highlight=manual_seed#random-sampling

Sets the seed for generating random numbers. And returns atorch._C.Generator object.

参考：https://discuss.pytorch.org/t/what-is-manual-seed/5939/4

来自网友fmassa的回答：

You just need to call torch.manual_seed(seed), and it will set the seed of the random number generator to a fixed value, so that when you call for example torch.rand(2), the results will be reproducible.
An example

import torch

torch.manual_seed(2)
print(torch.rand(2))

gives you

 0.4360
 0.1851
[torch.FloatTensor of size 2]

Try now without the torch.manual_seed, and you’ll see that it changes over time.

2.plt.scatter()

scatter绘制散点图的功能可以说还是非常强大的，但是这里主要是对这些函数有一个的大致的了解，所以不做深入的讨论。