【Day3】Pytorch回顾（下）

依然有问题…不知道咋了。只能将源码粘贴过来了。

# 迭代1000次
for epoch in range(epochs):
    epoch += 1
    # 注意转行成tensor
    inputs = torch.from_numpy(x_train)
    labels = torch.from_numpy(y_train)
    # 梯度要清零每一次迭代（不清零会自动累加！！（上篇中说过））
    optimizer.zero_grad() 
    # 前向传播
    outputs = model(inputs)
    # 计算损失
    loss = criterion(outputs, labels)
    # 反向传播
    loss.backward()
    # 更新权重参数
    optimizer.step()
    if epoch % 50 == 0:
        print('epoch {}, loss {}'.format(epoch, loss.item()))

测试模型预测结果展示：

predicted = model(torch.from_numpy(x_train).requires_grad_()).data.numpy()

array([[ 1.0007416],
[ 3.0006347],
[ 5.000528 ],
[ 7.000421 ],
[ 9.000315 ],
[11.000208 ],
[13.000101 ],
[14.999994 ],
[16.999887 ],
[18.99978 ],
[20.999674 ]], dtype=float32)

模型的保存与读取

# 全部数据
torch.save(model.state_dict(), 'model.pkl')
# 保存模型的参数
model.load_state_dict(torch.load('model.pkl'))

在GPU运行的样子

# 关键步骤如果有cuda就用cuda，否则CPU（默认）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 放到device中
model.to(device)

# 输入、输出也要放到device中
inputs = torch.from_numpy(x_train).to(device)
labels = torch.from_numpy(y_train).to(device)

tensor常见形式
scalar：一个数值
例如：tensor(42.)
scalar.dim() 为0

vector：一个向量
例如：tensor（[身高，体重，年龄])
vector.dim() 为1
vector.size() 为3

matrix：矩阵
例如：tensor（[ [a,b],
[c,d] ]）
Matrix1.matmul(Matrix2) 矩阵内积
Matrix1*Matrix2 点积

n-dimensional tensor:高维特征

hub:一句话调用别人训练好的模型。
GITHUB:https://github.com/pytorch/hub
模型：https://pytorch.org/hub/research-models
例如：
colab可以在网页上执行。很方便！！
很多最直接、最简单的实验都能在hub上做哦！