DJL-Java动手学深度学习之线性回归实现

在上一篇文章中，我们已经讲了整个线性回归的数学原理，详细请见 DJL-Java开发者动手学深度学习之线性回归。在这里，我们就用DJL来实现利用线性回归来预测房价。
为了简单起见，我们利用生成数据加随机噪声的方式，来降低我们的学习成本。

生成数据

public static DataPoints syntheticData(NDManager manager, NDArray w, float b, int numExamples) {
   
        NDArray X = manager.randomNormal(new Shape(numExamples, w.size()));
        NDArray y = X.dot(w).add(b);
        // Add noise
        y = y.add(manager.randomNormal(0, 0.01f, y.getShape(), DataType.FLOAT32));
        return new DataPoints(X, y);
    }

定义模型

我们可以 DJL 预定义的 Block。这使我们只需关注使用哪些层来构造模型，而不必关注层的实现细节。我们首先定义一个模型变量net，它是一个 SequentialBlock 类的实例。 SequentialBlock 类为串联在一起的多个层定义了一个容器。当给定输入数据， SequentialBlock 实例将数据传入到第一层，然后将第一层的输出作为第二层的输入，依此类推。

//定义模式，一层神经网络
Model model = Model.newInstance("lin-reg");

SequentialBlock net =