《PyTorch深度学习实践》 第5讲 线性回归

于 2022-12-07 19:10:23 发布
阅读量415 收藏 1
点赞数 1
文章标签： 深度学习 pytorch 线性回归
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44744527/article/details/128225081
版权

一、视频课：刘二大人05.用PyTorch实现线性回归_哔哩哔哩_bilibili

 二、

__init__函数及self的理解参考链接：

Python中 __init__函数以及参数self怎么理解和使用？ - 知乎

 推荐一篇大佬的笔记，真的非常简洁易懂！

PyTorch学习（四）--用PyTorch实现线性回归_陈同学爱吃方便面的博客-CSDN博客

 三、

参考了上述大佬的代码并加上了画图部分

import torch
import matplotlib.pyplot as plt

x_data = torch.tensor([[1.0], [2.0], [3.0]])
y_data = torch.tensor([[2.0], [4.0], [6.0]])

class LinearModel(torch.nn.Module):
    def __init__(self):
最低0.47元/天 解锁文章
佤垭
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 6万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
深度学习实战一：线性回归（基于Pytorch，含数据和详细注释）
最新发布
惊鸿若梦一书生
05-16 620
线性回归是深度学习中最基础、最简单的模型。虽然简单，但是跟大多数监督学习算法的建模思路都是一样的。如果一个自变量和一个因变量，且二者关系可以用一条直线近似表示，则这种线性回归叫做：一元线性回归。线性回归的目标是找到一个与这些数据最吻合的线性函数，用来预测或分类。如果两个或两个以上自变量，且因变量和自变量之间是线性关系，则这种线性回归叫做：多元线性回归。回归的本来意思是，无论父母的身高多高或多矮，小孩的身高总是趋向于回到均值附近，也就是。线性回归是用来确定两种或两种以上变量间相互依赖关系的统计分析方法。
PyTorch深度学习：利用pytorch实现线性回归
m0_63567560的博客
07-08 1117
利用PyTorch 实现线性模型
pytorch torch.nn.MSELoss
Claroja
10-27 436
应用 # 1.计算绝对差总和：|0-1|^2+|1-1|^2+|2-1|^2+|3-1|^2=6 # 2.求平均: 6/4 =1.5 import torch import torch.nn as nn sample = torch.tensor([[1.,1.],[1.,1.]]) target = torch.tensor([[0.,1.],[2.,3.]]) criterion = nn.MSELoss() loss = criterion(sample, target) print(loss)
torch.nn.MSELoss() 均方损失函数
qq_28117589的博客
11-26 2415
表达式 这里 loss, x, y 的维度是一样的，可以是向量或者矩阵，i 是下标。 很多的 loss 函数都有 size_average 和 reduce 两个布尔类型的参数。 因为一般损失函数都是直接计算 batch 的数据，因此返回的 loss 结果都是维度为 (batch_size, ) 的向量。 a)如果 reduce = False，那么 size_average 参数失效，直接返回向量形式的 loss b)如果 reduce = True，那么 loss 返回的是标量 a)reductio
torch.nn.MSELoss()及torch.optim.SGD的理解
哪惧明天，风高路斜
03-09 4623
文章目录一个简单的例子MSELoss的直观实现方法SGD的直观实现方法 一个简单的例子 import torch import torch.nn as nn x = torch.randn(10, 3) y = torch.randn(10, 2) # Build a fully connected layer. linear = nn.Linear(3, 2) # Build loss fu...
pytorch深度学习（6）用pytorch实现线性回归
qq_63647674的博客
07-13 1248
用pytorch实现线性回归
《PyTorch深度学习实践》-P5线性回归
m0_60673782的博客
10-21 423
1prepare dataset 2design model using Class (计算y_hat) 3consturct loss and optimizer using PyTorch API构造损失函数和优化器 4training cycle (forwward backward update 前馈算损失，后馈算梯度，更新权重） 广播机制： 用mini-batch的方式来做线性回归 第一步 X、Y是3x1的tensor（张量），w是3x1的矩阵（这里可以理解为矩阵）（对应位置..
动手学深度学习（PyTorch实现）笔记(正式篇1)——线性回归
CWX2333的博客
02-14 288
动手学深度学习（PyTorch实现）笔记（正式篇1）（暂） 1. 线性回归 线性回归从零实现 导入包或模块 %matplotlib inline import torch from IPython import display from matplotlib import pyplot as plt import numpy as np import random 生成数据集 num_i...
【PyTorch】深度学习实战之PyTorch实现线性回归
少年白马
03-15 5074
PyTorch实现线性回归 可调用对象： 如果要使用一个可调用对象，那么在类的声明的时候要定义一个call函数 class Foobar: def __init__(self): pass def __call__(self,*args,**kwargs): pass 其中参数*args代表把前n个参数变成n元组，**kwargsd会把参数变成一个词典，这些都是python的基础语法 def func(*args,**kwargs): print(
PyTorch 深度学习实践 第5讲
bit452的专栏
11-13 3万+
第5讲 用PyTorch实现线性回归源代码 B站 刘二大人，传送门用PyTorch实现线性回归 PyTorch Fashion(风格) 1、prepare dataset 2、design model using Class # 目的是计算y hat 3、Construct loss and optimizer (using PyTorch API) 4、Training cycle (forward,backward,update) 代码说明： 1、Module实现了魔法函数_...
Pytorch入门之一文看懂nn.Linear
Ton的博客
10-04 1万+
导入方式： torch.nn.Linear(features_in, features_out, bias=False) 参数说明： features_in其实就是输入的神经元个数，features_out就是输出神经元个数，bias默认为True，这里为了表达方便，就写了False，一般调用都是torch.nn.Linear(10, 5)，就是输入10个，输出5个神经元，且考虑偏置。 该函数实现的功能：就是制造出一个全连接层的框架，即y=X*W.T + b，对给定一个具体的输入X，就会输出相应的
刘二大人《Pytorch深度学习》第5讲作业
weixin_60189029的博客
04-01 1159
选用其中四种 Rprop优化器： #第一步 准备数据集 import torch x_data=torch.Tensor([[1.0],[2.0],[3.0]]) y_data=torch.Tensor([[2.0],[4.0],[6.0]]) #第二步 设计模型类 class LinearModel(torch.nn.Module): def __init__(self): super(LinearModel,self).__init__() sel...
[Pytorch] 学习记录（四）使用Pytorch实现线性回归
m0_55080712的博客
02-11 1061
在之前的几节里涉及到过简单的线性模型，本章将利用pytorch提供的工具来实现线性回归。我们会介绍诸如Module、构造Loss函数、构造随机梯度下降优化器等。这些东西pytorch都会提供，因此本章的主要作用就是如何利用pytorch提供的工具来帮助我们更方便的实现构建线性模型。 首先回顾一下前面讲过的，第一步是要确定Linear Model，再定义损失函数进行优化。在pytorch中进行优化的时候，要用到的是sgd（随机梯度下降），而用sgd核心的步骤是要求出每一个损失函数关于权重的偏导（梯度），这就
Pytorch学习笔记4：线性回归
Jackydyy的博客
06-01 332
对我说
pytorch 的nn.MSELoss()损失函数
shuijinghua的博客
12-27 2万+
均方损失函数： 这里，loss,x,y的维度是一样的，可以使向量或者矩阵，i是下标。 很多的loss函数都有size_average和reduce两个布尔类型的参数，因为一般损失函数都是直接计算batch的数据，因此返回的loss结果都是维度为(batch_size,)的向量。 1）如果reduce=False,那么size_average参数失效，直接返回向量形式的loss 2)如果...
pytorch loss function 总结
热门推荐
张小彬的专栏
05-18 15万+
最近看了下 PyTorch 的损失函数文档，整理了下自己的理解，重新格式化了公式如下，以便以后查阅。 值得注意的是，很多的 loss 函数都有 size_average 和 reduce 两个布尔类型的参数，需要解释一下。因为一般损失函数都是直接计算 batch 的数据，因此返回的 loss 结果都是维度为 (batch_size, ) 的向量。 如果 reduce = False，那么 s...
pytorch多特征数据的MSEloss计算
si894438380的博客
07-27 3552
假设我们的数据集有三个样本，三个特征分别是 [0.3, 0.3, 0.4], [0.3, 0.4, 0.3], [0.1, 0.2, 0.7] 对应的标签是 [0, 0, 1], [0, 1, 0], [1, 0, 0] 在pytorch.nn.MSEloss中，计算的顺序是这样的 1_loss = (0.3-0)^2 + (0.3-0)^2 + (0.4-1)^2 = 0.54 2_loss = (0.3-0)^2 + (0.4-1)^2 + (0.2-0)^2 = 0.54 3_los
PyTorch深度学习实践：卷积神经网络详解
卷积神经网络(CNN)是深度学习中的一个重要分支，它在计算机视觉任务中表现出色，尤其是在图像识别和分析领域。CNN的独特之处在于其层级结构的创新，特别是卷积计算层，它是整个网络的核心。 卷积神经网络的结构包括...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值