这篇博客利用PyTorch做了一个简单的线性回归的项目。
一、线性回归的求解可以分为3步:
1、确定模型
2、确定损失函数
3、利用梯度下降求出w、b
二、导入库并构造数据集
import torch
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
np.set_printoptions(suppress=True)#防止出现科学计数法
torch.manual_seed(10)
#学习率learning_rate
lr = 0.05
x = torch.rand(50,1)*10
#用于添加噪声torch.rand(50,1)*10
y = 2*x + 5 + torch.rand(50,1)*10
三、画出原始数据集
plt.figure()
plt.scatter(x,y,label = '原始数据')
plt.xlabel("x")
plt.ylabel('y')
plt.legend()
plt.show()
四、初始化参数
#构造线性回归的参数
w = torch.ones((1),requires_grad=True)
b = torch.ones((1),requires_grad=True)
五、迭代训练
for i in range(100):
#正向传播
wx = torch.multiply(w,x)
y_pre = wx + b
m = x.shape[1]
loss =( 0.5 * (y_pre-y)**2).mean()
#反向传播
loss.backward()
#更新参数
b.data.sub_(lr*b.grad)
w.data.sub_(lr*w.grad)
w.grad.zero_()
w.grad.zero_()
if i %20 == 0:
plt.scatter(x.data.numpy(),y.data.numpy())
plt.plot(x.data.numpy(),y_pre.data.numpy(),"r-")
plt.pause(1)
# if loss.data.numpy()<1:
# break
用这个PyTorch框架还是比较简单的,最困难的梯度下降一句代码就完成了,不过自己对于一些基础知识还是不了解,还得加强学习。