PyTorch深度学习实践（一）

写在前面：同门拉我进pytorch的坑，好在机器学习的原理是差不多的，那就直接从tensoflow转到pytorch吧！

假设问题：x代表学习时间，y代表得分。
目前有三组数据，我们期望从这三组数据中，找到x与y之间的关系，并且能够计算出当x=4时，y的值。

一、线性模型

x是数据值，y是标签值
如果使用线性模型来预测的话，就是y = wx
【这里w表示的是一个参数，而且省去了一个b的偏置，使得整个线性模型比较简单】

二、w参数设置

w的初始值是随机设置的，在模型计算过程中，w会不断地修正。

三、损失函数

如何评价模型的好坏呢？——我们需要根据模型计算出来的计算值与y真实值进行比较，可以采取不同的损失函数来进行衡量。

这里使用的损失函数是MSE——均方差
记y_pred为模型计算出的预测值。 loss = （y_pred - y）^2

四、梯度下降

对于loss的计算公式来说，影响loss值的只有超参数w，（这是由于模型很简单，如果是复杂一点的模型的话，就会有很多个参数了。）

因此就引入了梯度下降的概念，只要求出loss关于w的导数（如果有多个参数的话，那么就是求偏导数啦！）

根据公式w = w - α*（loss对于w的导数）
更新一下w的值就好了

【第一次学习pytorch，对机器学习的理解如果有不正确的地方，还希望指出！】