pytorch增加一维_PyTorch搭建一维线性回归模型

参考的一位大神的Blog，记录一下，便于以后复习。我是初学者，难免有许多错误的地方，恳请各位大神批评指正。

关于线性回归的理论，有很多优秀的课程(比如：吴恩达的机器学习课程)可供参考，这里直接进行代码实现，并对必要的地方进行解释。

1 importtorch as tc #简写成tc便于编写代码2 importmatplotlib.pyplot as plt #为了将数据可视化，需要画图3 from torch importnn #引入PyTorch的神经网络库，便于使用神经网络的常用功能4 from torch.autograd import Variable

Tensor是Pytorch的一个完美组件(可以生成高维数组)，但是要构建神经网络还是远远不够的，我们需要能够计算图的Tensor，那就是Variable。Variable是对Tensor的一个封装，操作和Tensor是一样的，但是每个Variable都有三个属性，Varibale的Tensor本身的.data，对应Tensor的梯度.grad，以及这个Variable是通过什么方式得到的.grad_fn。

有时会将Tensor转化成Variable，这是因为PyTorch中Tensor(张量)只能放在CPU上运算，而Variable(变量)是可以用GPU进行加速计算的。 这就是为什么PyTorch加载图像的时候一般都会使用Variable(变量)。

1 x = tc.unsqueeze(tc.linspace(-1, 1, 100), dim = 1)2 y = 3 * x + 10 + tc.rand(x.size())

上面的两行代码用于产生接近y = 3x + 10的数据集，后面加