python混合线性模型_Python的线性模型实现,每天,进步,一点点,pytorch

线性模型实现

这里主要涉及代码实现部分，理论部分的内容较少

一维线性模型

思路：

1.得到训练数据画出原始图像，并将训练数据通过

torch.from_numpy

转换成Variable类型的变量；

定义参数w和b，并将参数设置成

requires_grad=True

，True说明反向传播时自动求导，而一般情况下该属性默认为False

2.构建参数模型即线性模型和损失函数

3.进行训练，训练过程中需要记得归零梯度

w.grad.zero_()

，利用

backward()

来自动求导，随后更新参数w和b

在进行训练的时候需要在循环外面先求一次导这样做的目的是

loss.backward()

先行，防止出现

AttributeError: 'NoneType' object has no attribute 'zero_'

的错误，或者在循环内先

loss.backward()

，随后再梯度归零。

总之是不可以让

w.grad.zero_()

放在前面

4.画图查看训练情况，这里画图需要注意将x_train、y_train和y_的类型进行转换

x_train.data.numpy()

。

实现的代码如下：

import torch

import numpy as np

from torch.autograd import Variable

import matplotlib

import matplotlib.pyplot as plt

# 数据

x_train = np.array([[3.3], [4.4], [5.5], [6.71], [6.93], [4.168], [9.779], [6.182], [7.59], [2.167], [7.042], [10.791],

[5.313], [7.997], [3.1]], dtype=np.float32)

y_train = np.array([[1.7], [2.76], [2.09], [3.19], [1.694], [1.573], [3.366], [2.596], [2.53