一个简单模型学习了解torch如何训练一个模型,理解如何修改一个模型的权值。

 下面的代码实现

  W* (1,1)  --->100,学习调整W权值最终让(1,1)*W 输出100

loss对w求梯度grad,记住梯度就是导数就是w与loss关系,grad>0 ,w与loss是递增关系,grad<0,递减。

所以调整w的值就能减小loss,如此调整w=w - grad*0.01就能减小loss


import torch

#用(1,1)*W =100,学习调整W权值


w = torch.tensor([0.1,0.1],requires_grad=True)#这是我们的权值矩阵初始值可以随机


x=torch.tensor([1.0,1.0]) #输入值

y=torch.tensor([100.0])   #目标值


for i in range(20):
    
    pre=torch.matmul(x,w)   # pre=W*X

    loss=(y-pre)**2         #计算目标值与预测值差距

    loss.backward()  #反向传播维度必须是0,反向传播求w梯度

    
    ##  下面手动调整权值:

    #------修改w的值用w.data---------------
    w.data=w.data-w.grad*0.1 #调整权不能w=,将会失去梯度
    #--------------------------------------
    
    print("-w.grad----:",w.grad)
    w.grad=torch.tensor([0.0,0.0])     #loss.backward()梯度会叠加,所以这里清0
    
    print("{}:目标值:{},预测值:{},误差{}:".format(i,y.item(),pre.item(),loss.item()))
    print()

 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值