李沐深度学习笔记3.3简洁实现线性回归

菜鸟思如

已于 2022-07-22 17:17:28 修改

阅读量589

点赞数 2

文章标签：深度学习 python 人工智能

于 2022-07-22 17:16:47 首次发布

本文链接：https://blog.csdn.net/qq_41612738/article/details/125936505

版权

本文详细介绍了如何用Python简洁地实现线性回归，作为深度学习基础的重要部分，这一实现对于理解和实践人工智能技术至关重要。

摘要由CSDN通过智能技术生成

3.3简洁实现线性回归

#生成数据集
import numpy as np
import torch
from torch.utils import data
from d2l import torch as d2l

true_w = torch.tensor([2, -3.4])
true_b = 4.2
features, labels = d2l.synthetic_data(true_w, true_b, 1000)

#读取数据集
def load_array(data_arrays, batch_size, is_train=True):  # 返回batch_size个样本
    """构造一个PyTorch数据迭代器。"""
    dataset = data.TensorDataset(*data_arrays)  # 将传入的特征和标签作为list传到TensorDataset里面得到一个pytorch的数据集（dataset）
    return data.DataLoader(dataset, batch_size,
                           shuffle=is_train)  # 调用Dataloader每次从dataset里面挑选batch_size个样本出来（shuffle：是否随机）


batch_size = 10
data_iter = load_array((features, labels), batch_size)  # 将特征和标签传入load_array

next(iter(data_iter))  # 转化成python的iter，在通过next函数

print(next(iter(data_iter)))

# 定义模型`nn` 是神经网络的缩写
from torch import nn

net = nn.Sequential(nn.Linear(2, 1))  # 输入维度为2（w）&#x