Pytorch初体验

 

 

03 pytorch01 最简单的回归_哔哩哔哩_bilibili 

 

 

 

 注意类型

提高精确度

1、增加训练次数

 

2、加深网络层数

 

 

import torch
import torch.nn as nn
import matplotlib.pyplot as plt

def show():
    print(x)
    print(y)
    plt.scatter(x.numpy(),y.numpy())
    plt.show()



if __name__ == '__main__':
    '''
    目标：预测y=2*x+1
    训练一个模型
    给定一个x，输出一个y
    '''
    # 1 得到数据
    x = torch.linspace(1,10,200)
    # bug 1*200 200*1
    x = x.reshape(200,1)
    y = 2*x+1

    show()
    # 2 定义模型 不推荐复杂的要定义类，这里比较简单
    myModel = torch.nn.Sequential(
        torch.nn.Linear(1,10),
        torch.nn.ReLU(),
        torch.nn.Linear(10,1)
    )
    print(myModel)

    # 定义损失函数
    loss_function = torch.nn.MSELoss()
    # 定义梯度下降算法 新手不建议调参数
    optimizer=torch.optim.Adam(myModel.parameters())
    # 训练一个模型
    num_epochs = 5000
    # 模型训练过程
    for epoch in range(num_epochs):
        optimizer.zero_grad()
        forward = myModel(x)
        loss_value = loss_function(forward,y)
        loss_value.backward()
        optimizer.step()
        print(f'epoch:{epoch+1},loss:{loss_value:f}')

    # 模型预测
    myModel.eval()
    with torch.no_grad():
        output = myModel(torch.tensor([[1],[2]],dtype= torch.float))
    print(output)