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
PyTorch深度学习实践——处理多维特征的输入
最新推荐文章于 2024-07-25 13:50:13 发布