【深度之眼PyTorch框架班第五期】作业打卡03：autograd与逻辑回归

任务名称

autograd与逻辑回归

任务简介

学习pytorch的自动求导系统——autograd；通过autograd训练逻辑回归模型

详细说明

本节对pytorch的自动求导系统中常用的两个方法torch.autograd.backward和torch.autograd.grad进行介绍，并演示一阶导数，二阶导数的求导过程；理解了自动求导系统，以及数据载体——张量，前向传播构建计算图，计算图求取梯度过程，这些知识之后，就可以开始正式训练机器学习模型。这里通过演示逻辑回归模型的训练，学习机器学习回归模型的五大模块：数据、模型、损失函数、优化器和迭代训练过程。这五大模块将是后面学习的主线。

作业

1.逻辑回归模型为什么可以进行二分类？

因为逻辑回归是线性的二分类模型表达式

2.采用代码实现逻辑回归模型的训练，并尝试调整数据生成中的mean_value，将mean_value设置为更小的值，例如1，或者更大的值，例如5，会出现什么情况？再尝试仅调整bias，将bias调为更大或者负数，模型训练过程是怎么样的？

把停止条件改为了准确度达到99%，即 acc >= 0.99

未调整时：mean_value = 1.7, bias