1、准备数据集
import torch
# 准备数据集
x_data = torch.Tensor([[1.0], [2.0], [3.0]])
y_data = torch.Tensor([[2.0], [4.0], [6.0]])
2、设计模型
# 设计模型
class LinearModel(torch.nn.Module):
def __init__(self): # 构造函数
super(LinearModel, self).__init__()
self.linear = torch.nn.Linear(1, 1) # torch.nn.Linear是pytorch一个类,(1,1)是指输入x和输出y的特征维度,计算数值
def forward(self, x):
y_pred = self.linear(x)
return y_pred
model = LinearModel()
3、构造损失函数和优化器
# 构造损失函数和优化器
criterion = torch.nn.MSELoss(reduction='sum') # 求差平方,采用torch.nn.MSELoss(size_average = False)会报错
optimizer = torch.optim.SGD(model.parameters(), lr=0.01) # model.parameters权重,lr为学习率
4、训练周期
# 训练周期
for epoch in range(100):
y_pred = model(x_data)
loss = criterion(y_pred, y_data)
print(epoch, loss.it