import torch
import matplotlib as plt
n_data=torch.ones(100,2)
#代表形成了一个100行2列为1的数据
x0=torch.normal(2*n_data,1)
#表示均值为2,标准差为为1
y0=torch.zeros(100)
#定义数据类型为0
x1=torch.normal(-2*n_data,1)
#表示均值为-2,标准差为1
y1=torch.ones(100)
#定义数据类型为1
x=torch.cat((x0,x1),0).type(torch.FloatTensor)
y=torch.cat((y0,y1),).type(torch.LongTensor)
# 注意 x, y 数据的数据形式是一定要像下面一样 (torch.cat 是在合并数据),type后面接的是数据类型
建立神经网络
import torch
import torch.nn.functional as F # 激励函数都在这
class Net(torch.nn.Module): # 继承 torch 的 Module
def __init__(self, n_feature, n_hidden, n_output):
super(Net, self).__init__() # 继承 __init__ 功能
self.hidden = torch.nn.Linear(n_feature, n_hidden) # 隐藏层线性输出
self.out = torch.nn.Linear(n_hidden, n_output)