人工智能作业1

Python 环境安装

因之前学习机器学习时已配置好pycharm + Asconvigator 环境，所以直接->show time! 

个人建议：因python环境包太复杂，最好有个Anaconda Navigator来帮助管理，特别是在学习人工智能时。

base:原视环境 pytorch: 新安装的环境

切换环境如图所示：

cmd 操作avigator环境：

• conda info --envs 检查环境
• conda activate pytorch 激活环境
• python 进入python工作
• 另外，pycharm切换pytorch环境时新建解释器即可

实现反向传播

启用环境

// 反向传播算法
import torch
import matplotlib.pyplot as plt

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]

w = torch.Tensor([3.0])  # 初始化权重
w.requires_grad = True  # 说明w需要计算梯度


# 注意其中w是tensor，在实际运算中开始进行数乘。
def forward(x):
    return w * x


# 损失函数的求解，构建计算图，并不是乘法或者乘方运算
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2


print("Predict before training", 4, forward(4).item())  ## 打印学习之前的值，.item表示输出张量的值

learning_rate = 0.01
epoch_list = []
loss_list = []
# 训练
for epoch in range(100):
    for x, y in zip(x_data, y_data):
        l = loss(x, y)
        l.backward()  # 向后传播
        print('\tgrad', x, y, w.grad.item())  # 将梯度存到w之中,随后释放计算图,w.grad.item()：取出数值
        w.data = w.data - learning_rate * w.grad.data  # 张量中的grad也是张量,所以取张量中的data,不去建立计算图
        w.grad.data.zero_()  # 释放data
    print("process:", epoch, l.item())
    epoch_list.append(epoch)
    loss_list.append(l.item())

print('Predict after training', 4, forward(4).item())

# 绘制可视化
plt.plot(epoch_list, loss_list)
plt.xlabel("epoch")
plt.ylabel("Loss")
plt.show()

结果如下：