pytorchAPI使用
1.nn.Module
1._init_
2.forward完成一次向前计算的过程
1.nn.Linear为torch预定义好的线性模型,也被称为全连接层,是不算(batch_size的列数)实例化:self.linear=nn.Linear(输入的特征数量,输出的特征数量)
2.nn.Module定义了_call_方法,实现的就是调用forward方法,即Lr的实例,能够直接被传入参数调用,实际上调用的是forward方法并传入参数
linear类中也有_init_方法和forward方法
#实例化模型
model=Lr()
#传入数据,计算结果
predict=model(x)
2.优化器类
1.torch.optim
torch.optim.SGD(model.parameters,学习率)
torch.optim.Adam(模型参数,学习率)
model.parameters()可以获取所有requires_grad=True的参数
优化类的使用方法
optimizer=torch.optim.SGD(model.parameters,lr=1e-3) 实例化
optimizer.zero_grad()梯度置为0
loss.backward() 计算梯度
optimizer.step() 更新参数的值
3.损失函数
nn.MSELoss