pytorch实现线性回归以及softmax

最新推荐文章于 2023-12-19 23:18:37 发布

down滔

最新推荐文章于 2023-12-19 23:18:37 发布

阅读量683

点赞数

本文链接：https://blog.csdn.net/qq_42527217/article/details/104320289

版权

本文演示了如何使用PyTorch实现线性回归，包括数据加载、网络结构初始化、训练过程以及结果比较。通过三种不同的方式初始化多层网络，并展示了`sum`函数在不同维度上的应用。

摘要由CSDN通过智能技术生成

pytorch实现线性回归

import torch
from torch import nn
import numpy as np
torch.manual_seed(1)
#manual_seed使每次生成相同随机数

#print(torch.version)
torch.set_default_tensor_type(‘torch.FloatTensor’)
num_inputs = 2
num_examples = 1000

true_w = [2, -3.4]
true_b = 4.2

features = torch.tensor(np.random.normal(0, 1, (num_examples, num_inputs)), dtype=torch.float)
labels = true_w[0] * features[:, 0] + true_w[1] * features[:, 1] + true_b
labels += torch.tensor(np.random.normal(0, 0.01, size=labels.size()), dtype=torch.float)
import torch.utils.data as Data

batch_size = 10