手机老是下载一些做任务的网站/小程序自助搭建平台

一.准备数据集

先看公式：

所以，在写代码时，x,y要定义为矩阵。

模型要定义成一个继承自nn.Module的类：

二.使用类设计模型

call:

args & kwargs

三.构造损失和优化器

四.训练周期

**此处笔者有个小错误，输出应该是loss.item()，不然输出结果就如下图所示。

运行结果：

迭代了100次，还没有收敛，可以再多迭代几轮，也不要太多，以免模型过拟合。

整体代码：

import torchx_data=torch.Tensor([[1.0],[2.0],[3.0]]) #3*1的矩阵，行是样本，列是feature
y_data=torch.Tensor([[2.0],[4.0],[6.0]])class LinearModel(torch.nn.Module):# nn.module公共基类def __init__(self):super(LinearModel,self).__init__()self.linear=torch.nn.Linear(1,1)def forward(self,x):y_pred=self.linear(x)return y_predmodel=LinearModel()criterion=torch.nn.MSELoss(size_average=False) #损失函数
optimizer=torch.optim.SGD(model.parameters(),lr=0.01) 
#optim里的都是优化器，parameters可以找到所有参数for epoch in range(100):y_pred=model(x_data)  #y_hatloss=criterion(y_pred,y_data)  #lossprint(epoch,loss.item())optimizer.zero_grad() #梯度清零loss.backward() #反馈optimizer.step() #更新print("w=",model.linear.weight.item())
print("b=",model.linear.bias.item())
#test model
x_test=torch.Tensor([[4.0]])
y_test=model(x_test)
print("y_pred=",y_test.data)

小结