PyTorch深度学习实践——处理多维特征的输入

import torch
import numpy as np

xy = np.loadtxt('diabetes.csv', delimiter=',', dtype=np.float32)  # 括号内第一个为文件名，第二个为分隔符，第三个为指定数据类型
x_data = torch.from_numpy(xy[:, :-1])  # 最后一列不要（-1表示最后一列），取前面八列（最后一列是y）
y_data = torch.from_numpy(xy[:, [-1]])  # 中括号表示仅取-1这一列（即最后一列），写中括号代表拿出来的是一个矩阵，否则是一个向量


class Model(torch.nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linear1 = torch.nn.Linear(8, 6)  # 输入维度为8，输出维度为6（列的数量为此处的维度），Linear函数实现了空间维度的变换
        self.linear2 = torch.nn.Linear(6, 4)
        self.linear3 = torch.nn.Linear(4, 1)
        self.sigmoid = torch.nn.Sigmoid()  # 构造sigmoid函数，使用其他函数只需要修改这一行代码即可
        # 和上一讲中不需要初始化sigmoid函数的区别：上一讲中调用torch.nn.functional.Sigmoid，sigmoid是可以直接使用的函数；
        # 而此处使用torch.nn.Sigmoid，此处的sigmoid是一个模块，继承自Module