pytorch线性回归代码_深度学习快速入门：一小时带你做完十个练手项目（附完整代码）...

每天给小编五分钟，小编用自己的代码，让你轻松学习人工智能。本文将带你用具体代码做完十个深度学习练手小项目，让你只用一小时，快速熟悉深度学习开发，打牢人工智能基础。野蛮智能，小白也能看懂的人工智能。

如果你现在还没有搭建好你的深度学习环境，那么小编建议你搭建好一个pytorch的cpu版本，具体参考小编的文科生也能看懂的深度学习入门宝典：pytorch+tensorflow快速上手，快速搭建你的深度学习开发环境。下面我们进入实战环节，带你做完十个深度学习练手小项目！

第一个：创建一个矩阵，并对矩阵进行求导

干货快递站：

1. 如果你对矩阵不了解，那也没关系，本文不涉及数学知识。你只需知道：矩阵就是用来存储数的一个单元。在一个矩阵中可以存入大量的数字，而不用去挨个指定它们的含义，这样可以方便我们对大量数字进行各种操作，所以在数据处理领域，会大量用到矩阵。
2. 导数对于人工智能的重要意义是：导数可以表现变量变化的速度，通过求导可以找到变量变化速度最快的方向，然后令参数向那个方向收敛，以此来加快训练速度。下面小编带你创建一个矩阵，然后对它进行求导。

代码配送营：

第一步，把安装好的框架导入进来，也就是import + 这个框架的名字(torch):import torch

第二步，在pytorch中，默认的数据类型是Tensor，直接翻译的意思是张量，你可以直接理解为一个能力强大的数，这个数可以表示矩阵，所以我们可以直接定义一个矩阵(4行2列)：matrix = torch.ShortTensor([[1,2],[3,5],[7,8],[9,7]])。但是这个矩阵本身是不能直接求导数的，需要先把矩阵变成一个变量，所以我们要导入一个这样功能的函数Variable：from torch.autograd import Variable(autograd这个部分完成的就是自动求导的功能，grad是导数的意思)

第三步，matrix现在还是一个单纯的矩阵，Variable(matrix，requires_grad =True)，经过这一步就把matrix变成了一个变量，就可以在计算图中对这个变量进行求导了，计算图可以理解为：用来计算的式子，或者是一个计算的过程，在后边的练习项目里我会再提到，所以我们这里构建一个简单的计算图，：y = matrix*2。

第三步，下面进行求导，输入代码：y.backward(torch.Tensor([1,0.1,0.01,0.001]))，y保存的是matrix*2这个计算图的结果，backward函数对我们刚才定义的变量matrix进行自动求导。这里边的参数的含义是：定义一个数组，这个数组有四个数，每个数都会对应到矩阵中的一行，与求得的导数相乘。这一步骤应用的十分广泛，因为我们在进行梯度下降时，并不能直接把计算得到的梯度直接来用，而要衰减一下，防止参数变得太快，错过了最佳参数，这就是衰减系数。

第四步，取出导数：print(matrix.grad)

下图是我的代码和运算结果，大家可以作为参考。

第二个，实现线性回归

干货快递站：

1，线性回归快速理解：如果你单身，那你一定还没有结婚。那么，每个丈母娘选女婿都有一定的标准，比如，人品，财力等等，它们都有一定的权重(W1,W2,W3……)，你在每个标准上都有一定的得分(X1,X2,X3……)，那么将你的得分和对应的权重相乘(W1*X1+W2*X2+W3*X3……)，就得到了你的最终得分。那么你就可以知道你是不是一个合格的女婿了。一句话来总结，线性回归就是权重乘以得分，深度学习就是根据历史的数据，学习到这个权重，然后在新的数据上预测出结果。

2，线性回归虽然看起来很简单，但它确是非常实用的，因为它的数学理论扎实，可解释性强，每一个标准对应的权重，结果都很明朗。所以在工业界获得了很好的应用，在很多项目上，如果没有太好的解决方案，就首先拿这个线性回归来试一试。所以，牢牢掌握线性回归是非常重要的。

代码配送营：

1，创建数据集，我们这里为了学习的方便，就直接自己创建一组数据，这组数据的特点是，不是严格的直线上的点，让模型自己去拟合。

x_train = np.array([[1],[2],[3],[4],[5],[6],[7],[8],[9],[10],[11],[12]],dtype=np.float32)

y_train = np.array([[2.1],[3.4],[5.6],[6.7],[7.8],[7.6],[7.9],[8.6],[10.9],[11.8],[14.3],[12.1]],dtype=np.float32)

创建好了点，我们可以使用matplotlib把这12个点画出来。代码如下：

import matplotlib.pyplot as plt

import numpy as np

plt.scatter(x_train,y_train)

plt.show()

然后会得到如下结果：

2，还和之前一样导入torch导入Variable，然后这里多了一个新的小伙伴，就是nn模块，nn指的是neaural network，神经网络的意思，这个模块可以用来实现神经网络的很多操作：import torch.nn as nn

下面看具体的代码：

代码就是这样，为了直观，先给大家看一下运行结果：

关于具体的代码分析，由于略微复杂一些，我会在下篇文章进行讲解。剩下的小项目也会在这几天陆续写出来。欢迎大家一起来进步！野蛮智能，小白也能看懂的人工智能。大家有什么问题或者见解可以在评论区留言。