刘老师的《Pytorch深度学习实践》第六讲：logistic回归代码

最新推荐文章于 2024-03-24 20:44:21 发布

我的宠物不是小马

最新推荐文章于 2024-03-24 20:44:21 发布

阅读量228

点赞数

文章标签：深度学习 pytorch python

本文链接：https://blog.csdn.net/weixin_52539595/article/details/126951149

版权

import torch
import torch.nn.functional as F
import numpy as np
import matplotlib.pyplot as plt

x_data=torch.Tensor([[1.0],[2.0],[3.0]])
y_data=torch.Tensor([[0],[0],[1]])

class LogisticRegressionModel(torch.nn.Module):
    def __init__(self):#注意横杠和def间有空格
        super(LogisticRegressionModel,self).__init__()
        self.linear=torch.nn.Linear(1,1)
    def forward(self,x):
        y_pred=torch.sigmoid(self.linear(x))
        return y_pred
model=LogisticRegressionModel()

criterion=torch.nn.BCELoss(reduction='sum')
optimizer=torch.optim.SGD(model.parameters(),lr=0.01)

for epoch in range(1000):
    y_pred=model(x_data)
    loss=criterion(y_pred,y_data)
    print(epoch,loss.item())

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

报错1：DLL load failed while importing _multiarray_umath: 找不到指定的模块

解决方法：在pycharm中依次选择Run、Edit Configurations、Environment Variables，在方框的已有项的后面添加：Path=E:\ADACONDA\envs\pytorch\Library\bin

报错2：sigmoid is deprecated.

解决方法：将F.sigmoid替换为torch.sigmoid

x=np.linspace(0,10,200)
x_t=torch.Tensor(x).view((200,1))
y_t=model(x_t)
y=y_t.data.numpy()
plt.plot(x,y)
plt.plot([0,10],[0.5,0.5],c='r')
plt.xlabel('Hours')
plt.ylabel('Probability of Pass')
plt.grid()
plt.show()