Pytorch手写线性回归案例

• 自定义数据，采用torch实现简单的线性回归，假设基础模型为：，通过迭代更新获得预测权重。

1. 准备训练数据。
2. 计算预测值
3. 计算损失值，同时参数梯度设置为0，最后采用反向传播
4. 更新参数
5. 画图分析

# -*- coding: utf-8 -*-
"""
Created on Mon Apr 24 08:04:00 2023

@author: 茶墨先生
"""

import torch
import matplotlib.pyplot as plt
from mpl_toolkits.axisartist.axislines import Subplot
"准备数据"
#y=5x+7.4
x=torch.rand([800,1])#torch.Size([800, 1])
y_true=x*5+7.4#torch.Size([800, 1])

"计算预测值，设置参数"
w=torch.rand([1,1],requires_grad=True)
b=torch.tensor(0.,requires_grad=True)

"定义学习率"
LR=0.01

"循环操作，更新参数"

for i in range(400):
    "计算损失"
    y_preidct=torch.matmul(x,w)+b
#    pri