深度学习-Pytorch实现全连接神经网络

1、数据和问题描述

  本文采用 Pytorch 实现全连接神经网络，对鸢尾花数据进行分类。首先加载数据集，代码如下：

import numpy as np
import torch
import torch.utils.data as Data
from torch.nn import functional as F
from sklearn import datasets

# 读取数据
x_data = datasets.load_iris().data
y_data = datasets.load_iris().target

  数据集的特征包含4列，如下图所示：

  标签列的取值为（0，1，2）三种，是一个多分类问题。

2、数据预处理

  将数据集打乱顺序，划分为训练集和测试集，同时转换为 tensor 格式,代码如下：

# 随机打乱数据集
np.random.seed(116) # 使用相同的seed，使输入特征/标签一一对应
np.random.shuffle(x_data)
np.random.seed(116)
np.random.shuffle(y_data)

x_train = torch.tensor(x_data[:-30], dtype=torch.float)
y_train = torch.tensor(y_data[:-30], dtype=torch.int64)

x_test = torch.tensor