typora-copy-images-to: upload
利用pytorch搭建机器学习代码
pytorch的一般规则
- 先计算y_pred
- 计算loss
- 清零梯度,计算backward
- 更新权重值
code
import torch
x_data = torch.Tensor([[1.0],[2.0],[3.0]])
y_data = torch.Tensor([[2.0],[4.0],[6.0]])
#所有模型都要继承 .Module
class LinearModel(torch.nn.Module):
#构造函数
def __init__(self):
super(LinearModel, self).__init__() #死代码
#此处参数:第一个:每个输入样本的维度,第二个:每个输出样本的尺寸,第三个:是否需要bias,默认是True
self.linear = torch.nn.Linear(1,1,True)
#必须要有forward
def forward(self,x):
y_pred = self.linear(x)
return y_pred
model = LinearModel()
#会构建计算图 ,参数size_average用于判断是否要求均值
criterion = torch.nn.MSELoss(size_average=False)
#不会构建计算图,优化器就是梯度下降更新权重
optimizer = torch.optim.SGD(model.parameters(),lr=0.02)
for epoch in range(100):
y_pred = model(x_data)
loss = criterion(y_pred,y_data)
print(epoch,loss)
#所有权重的梯度归零
optimizer.zero_grad()
loss.backward()
optimizer.step() #更新
#输出权重值
print('w=',model.linear.weight.item())
print('b=',model.linear.bias.item())
#测试模型
x_test = torch.Tensor([[4.0]])
y_test = model(x_test)
print('y_pred=',y_test.data)
使用不同优化器得到的loss更新值,SGD yyds!