线性拟合 pytorch

import torch
import matplotlib.pyplot as plt

l_r = 0.05
x = torch.rand(20, 1) * 10
print('x ',x)
y = 2*x + (5 + torch.randn(20,1))

w = torch.randn((1), requires_grad=True)
b = torch.zeros((1),requires_grad=True)

for epoch in range(1000):
    wx = w * x
    y_pred = wx + b
    print('y_pred:',y_pred)

    loss = (0.5*(y-y_pred)**2).mean()
    loss.backward()#反向传播

    b.data.sub_(l_r*b.grad)
    w.data.sub_(l_r*w.grad)
    w.grad.zero_()
    b.grad.zero_()#_表示在原始的地址下对数据进行处理
    print(epoch)
    print('loss: ', loss.data.numpy())
    if epoch % 20 == 0:
        plt.scatter(x.data.numpy(),y.data.numpy())
        plt.plot(x.data.numpy(),y_pred.data.numpy(),'r-',lw=5)#lw代表线宽
        plt.title("Iteration {}\n w:{} b:{}".format(epoch,w.data.numpy()
                                                    ,b.data.numpy()))
        plt.pause(1)
        plt.clf()
        if loss.data.numpy() < 0.5:
            break

好吧，做这个基本的线性回归我一直没弄出来，然后观察x和y_pred的值发现就是拟合不了，而且网上很多都是用的现成的框架，参考了一下其他人的代码，发现是因为学习率一直不对。最后终于成功了，哎，心累

总结：当无法进行拟合时，可以考虑修改一些参数，比如说学习率