Pytorch学习（4）实现线性回归

1.准备数据集

2.设计模型所用的类别，inherit from nn.Module  （）

3.设置loss和optimizer，使用PyTorch API

4.设置训练迭代 forward、backward、update。

import torch

#loss  必须是一个标量才可以用backward。



x_data = torch.Tensor([[1.0],[2.0],[3.0]])
y_data = torch.Tensor([[2.0],[3.0],[4.0]])


#构造模型类

class LinearModel(torch.nn.Module):

    #构造函数，初始化
    def __init__(self):
        super(LinearModel,self).__init__()
        self.linear = torch.nn.Linear(1,1)   #(1,1)表示输入和输出的维度

    #前向传播函数
    #forward（）相当于对父类_init_（）进行重载
    def forward(self, x):
        y_pred = self.linear(x)
        return y_pred


model = LinearModel()
criterion = torch.nn.MSELoss(size_average = False)    #size_average指在求MSE方差时是否求均值，样本数量一样可以不求，但是样本数量不一样时就需要求，默认True
optimizer =torch.optim.SGD(model.parameters(),lr=0.01)




for epoch in range(1000):
    y_pred = model(x_data)
    loss = criter