PyTorch基础（二）线性回归

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。