- 1、本文档共2页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
pytorch简单的回归案例
问题提出:y=Wx+b,已知x和y,让你求W和b
importtorch
importnumpyasnp
torch.manual_seed(2022)
#读入数据x和y
x_trainnp.array([[3.3],[4.4],[5.5],[6.71],[6.93],[4.168],
[9.779],[6.182],[7.59],[2.167],[7.042],
[10.791],[5.313],[7.997],[3.1]],dtypenp.float32)
y_trainnp.array([[1.7],[2.76],[2.09],[3.19],[1.694],[1.573],
[3.366],[2.596],[2.53],[1.221],[2.827],
[3.465],[1.65],[2.904],[1.3]],dtypenp.float32)
#转换成Tensor
x_traintorch.from_numpy(x_train)
y_traintorch.from_numpy(y_train)
#初始化权重
wtorch.randn(1).requires_grad_(True)
btorch.zeros(1).requires_grad_(True)
#定义模型函数
deflinear_model(x):
returnx*w+b
#定义损失函数
defget_loss(y_,y):
returntorch.mean((y_-y_train)**2)
forepochinrange(10):
#进行10次更新
y_linear_model(x_train)
lossget_loss(y_,y_train)
ifepoch!0:
#第一次不用归零梯度
w.grad.zero_()
#记得归零梯度
b.grad.zero_()
loss.backward()
w.dataw.data-1e-2*w.grad.data
#更新w
b.datab.data-1e-2*b.grad.data
#更新b
print(epoch:{},loss:{}.format(epoch,loss.item()))
#0.4.0之前用
loss.data[0]
print(w,b)
#算出预测值
y_linear_model(x_train)
plt.plot(x_train.data.numpy(),y_train.data.numpy(),bo,labelreal)
plt.plot(x_train.data.numpy(),y_.data.numpy(),ro,labelestimated)
plt.legend()
plt.show()
文档评论(0)