PyTorch入门二 || pytorch线性模型

---

typora-copy-images-to: upload

---

利用pytorch搭建机器学习代码

pytorch的一般规则

1. 先计算y_pred
2. 计算loss
3. 清零梯度，计算backward
4. 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！