pytorch深度学习实践-线性回归1231

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