【Pytorch入门向】——网络构建及模型训练及Loss曲线可视化

当初因为某些原因从keras转向使用pytorch，入门复现自己原本keras的一些常用代码大概花了一周左右，通过官方文档以及到处查，最终汇总了一些常用的代码，闲来无事记录一下，大家如果和我一样由其他深度学习框架转向比较热门的pytorch入门找资料的话可以参考，如果是回归类问题都是可以直接使用的,也包含了一些自己入门的思路。

需要导入的包

import torch
import torch.nn as nn
import torch.nn.functional as F
import numpy as np
import pandas as pd
from torch.autograd import Variable
from sklearn.metrics import mean_squared_error
import matplotlib.pyplot as plt

输入数据

对于数据的处理当时也找了很久，输入数据是以xlsx表格的形式，之后则是转化为张量

'''import data'''
dimension = 8
num_epochs = 1000
data_high = np.array(pd.read_excel('./data/high_8.xlsx',header=None))
data_low = np.array(pd.read_excel('./data/low_8.xlsx',header=None))
data_test = np.array(pd.read_excel('./data/test_8.xlsx',header=None))
i1 = len(data_lo