PyTorch笔记2-关系拟合（回归）

最新推荐文章于 2024-08-06 00:30:14 发布

YJH-666

最新推荐文章于 2024-08-06 00:30:14 发布

阅读量1.3k

点赞数 2

分类专栏：深度学习 PyTorch 文章标签： PyTorch

本文链接：https://blog.csdn.net/u014532743/article/details/78442388

版权

这篇博客记录了使用PyTorch进行关系拟合的实验，包括创建模拟数据集，构建简单的神经网络，训练过程及学习率衰减策略。作者通过可视化训练过程来帮助理解模型如何学习，并提供了学习率衰减的实现方法。

摘要由CSDN通过智能技术生成

本系列笔记为莫烦PyTorch视频教程笔记 github源码

import torch
from torch.autograd import Variable
import torch.nn.functional as F      # activation function
import matplotlib.pyplot as plt

% matplotlib inline

建立数据集

我们创建一些假数据来模拟真实的情况. 比如一个一元二次函数: y = a * x^2 + b, 我们给 y 数据加上一点噪声来更加真实的展示它.

x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)  # x data(tensor), shape(100,1)
y = x.pow(2) + 0.2*torch.rand(x.size())  # rand [0,1) 为添加噪声

# 用 Variable 来修饰这些数据 tensor
x, y = Variable(x), Variable(y)

# 画图
plt.scatter(x.data.numpy(), y.data.numpy())   # 散点图
plt.show()