线性回归模型与二分类模型（pytorch）

最新推荐文章于 2021-08-21 23:07:11 发布

南七小佩奇

最新推荐文章于 2021-08-21 23:07:11 发布

阅读量905

点赞数

分类专栏： pytorch 文章标签： pytorch入门

本文链接：https://blog.csdn.net/weixin_43882326/article/details/97788039

版权

本文介绍如何使用PyTorch构建线性回归模型，并探讨二分类问题的应用。

摘要由CSDN通过智能技术生成

一、线性回归

import torch
import numpy as np
import torch.nn as nn
import matplotlib.pyplot as plt
import torch.optim as optim
in_features=1
out_features=1
x=torch.unsqueeze(torch.linspace(1,10,100),dim=1)
y=3.0*x+2+torch.rand(x.size())

plt.scatter(x.data.numpy(), y.data.numpy())
plt.show()

class MYNET(nn.Module):
    def __init__(self):
        super(MYNET,self).__init__()
        self.L1=nn.Linear(1,1)
    def forward(self,x):
        x=self.L1(x)
        return x

net=MYNET()
print(net)
lr=0.01
crition=nn.MSELoss()
opt=optim.SGD(net.parameters(),lr)
num_epochs=1000

for epoch in range(num_epochs):
    y_out = net(x)
    loss = crition(y_out, y)
    opt.zero_grad()
    loss.backward()
    opt.step()
    if (epoch + 1) % 20 == 0:
        print('Epoch[{}/{}], loss:{:.6f}'.format(epoch + 1, num_epochs, loss.data))

net.eval()
predict=net(x)
predict=predict.data.numpy()
plt.plot(x.numpy(),y.numpy(),label='O