pytorch怎样实现线性回归-mile米乐体育

pytorch怎样实现线性回归

这篇文章给大家分享的是有关pytorch怎样实现线性回归的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

具体内容如下

#随机初始化一个二维数据集，使用朋友torch训练一个回归模型importnumpyasnpimportrandomimportmatplotlib.pyplotaspltx=np.arange(20)y=np.array([5*x[i] random.randint(1,20)foriinrange(len(x))])#random.randint(参数1,参数2)函数返回参数1和参数2之间的任意整数print('-'*50)#打印数据集print(x)print(y)importtorchx_train=torch.from_numpy(x).float()y_train=torch.from_numpy(y).float()#modelclasslinearregression(torch.nn.module):def__init__(self):super(linearregression,self).__init__()#输入与输出都是一维的self.linear=torch.nn.linear(1,1)defforward(self,x):returnself.linear(x)#新建模型，误差函数，优化器model=linearregression()criterion=torch.nn.mseloss()optimizer=torch.optim.sgd(model.parameters(),0.001)#开始训练num_epoch=20foriinrange(num_epoch):input_data=x_train.unsqueeze(1)target=y_train.unsqueeze(1)#unsqueeze(1)在第二维增加一个维度out=model(input_data)loss=criterion(out,target)optimizer.zero_grad()loss.backward()optimizer.step()print("eopch:[{}/{},loss:[{:.4f}]".format(i 1,num_epoch,loss.item()))if((i 1)%2==0):predict=model(input_data)plt.plot(x_train.data.numpy(),predict.squeeze(1).data.numpy(),"r")loss=criterion(predict,target)plt.title("loss:{:.4f}".format(loss.item()))plt.xlabel("x")plt.ylabel("y")plt.scatter(x_train,y_train)plt.show()

实验结果：

感谢各位的阅读！关于“pytorch怎样实现线性回归”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！