pytorch实现线性回归

时间:2022-11-08 16:37:59

pytorch实现线性回归代码练习实例,供大家参考,具体内容如下

欢迎大家指正,希望可以通过小的练习提升对于pytorch的掌握

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
# 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
import numpy as np
import random
import matplotlib.pyplot as plt
 
x = np.arange(20)
y = np.array([5*x[i] + random.randint(1,20) for i in range(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)
 
import torch
x_train = torch.from_numpy(x).float()
y_train = torch.from_numpy(y).float()
 
# model
class linearregression(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)
    def forward(self,x):
        return self.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 = 20
for i in range(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:

pytorch实现线性回归

pytorch实现线性回归

pytorch实现线性回归

pytorch实现线性回归

pytorch实现线性回归

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:https://blog.csdn.net/weixin_49710179/article/details/115447628