李沐深度学习

最新推荐文章于 2024-07-02 23:02:27 发布

菜鸟思如

最新推荐文章于 2024-07-02 23:02:27 发布

阅读量231

点赞数

文章标签：线性回归 PyTorch 模型训练损失函数随机梯度下降

本文链接：https://blog.csdn.net/qq_41612738/article/details/125934808

版权

3.2. 线性回归的从零开始实现

import matplotlib.pyplot as plt
import random
import torch
from d2l import torch as d2l
#生成数据集
def synthetic_data(w, b, num_examples):  #@save
    """生成y=Xw+b+噪声"""
    X = torch.normal(0, 1, (num_examples, len(w)))
    y = torch.matmul(X, w) + b
    y += torch.normal(0, 0.01, y.shape)
    return X, y.reshape((-1, 1))

true_w = torch.tensor([2, -3.4])
true_b = 4.2
features, labels = synthetic_data(true_w, true_b, 1000)

#读取数据集
def data_iter(batch_size, features, labels):
    num_examples = len(features)
    indices = list(range(num_examples))
    # 这些样本是随机读取的，没有特定的顺序
    random.shuffle(indices)
    for i in range(0, num_examples, batch_size):
        batch_indices = torch.tensor(
            indices[i: min(i + batch_size, num_examples)])
        yield features[batch_indices], labels[batch_indices]
batch_size = 10
#模型初始化参数
w = torch.normal(0, 0.01,