import torch
from IPython import display
from matplotlib import pyplot as plt
import numpy as np
import random
# 1、生成数据集
# 训练数据集样本数为1000,输入个数(特征数)为2
# 线性回归模型真实权重 w=[2,−3.4] 和偏差 b=4.2
num_inputs = 2
num_examples = 1000
true_w = [2,-3.4]
true_b = 4.2
# 生成的数据集X
features = torch.randn(num_examples,num_inputs,dtype=torch.float32)
print("生成的数据集X:",features)
labels = true_w[0]*features[:, 0] + true_w[1]*features[:, 1] + true_b
# 生成的数据集y
labels += torch.tensor(np.random.normal(0,0.01,size=labels.size()),dtype=torch.float32)
# print(features[0],labels[0])
# plt函数作图
def use_svg_display():
# 用矢量图显示
display.set_matplotlib_formats('svg')
def set_figsize(figsize=(3.5,2.5)):
use_svg_display()
plt.
线性回归的从零开始实现
最新推荐文章于 2023-08-12 19:13:26 发布