pytorch五 用Variable實現線性回歸

#匯入相關包

import torch as t
import matplotlib.pyplot as plt
#構造資料
def get_fake_data(batch_size = 8):
#設定隨機種子數，這樣每次生成的隨機數都是一樣的
t.manual_seed(10)
#產生隨機資料:y = 2*x+3,加上了一些雜訊
x = t.rand(batch_size,1) * 20
#randn生成期望為0方差為1的正態分佈隨機數
y = x * 2 + (1 + t.randn(batch_size,1)) * 3 
return x,y
#檢視生成資料的分布
x,y = get_fake_data()
plt.scatter(x.squeeze().numpy(),y.squeeze().numpy())
#線性回歸
#隨機初始化引數
w = t.rand(1,1)
b = t.zeros(1,1)
#學習率
lr = 0.001    
for i in range(10000):
x,y = get_fake_data()
#forward:計算loss
y_pred = x.mm(w) + b.expand_as(y)
#均方誤差作為損失函式
loss = 0.5 * (y_pred - y)**2 
loss = loss.sum()
#backward:手動計算梯度
dloss = 1
dy_pred = dloss * (y_pred - y)
dw = x.t().mm(dy_pred)
db = dy_pred.sum()
#更新引數
w.sub_(lr * dw)
b.sub_(lr * db)
if

Pytorch學習筆記（五）

9 在pytorch中使用lstm 學習pytorch的rnn使用時最好去官方文件看一下api是如何使用的 乙個需要注意的地方是在pytorch中rnn的輸入input的shape的三維分別是 seq len,batch,input size 隱藏層h 0的shape三維分別是 num layers...

pytorch（五） 批訓練

import torch import torch.utils.data as data 虛構要訓練的資料 x torch.linspace 11,20,10 在 11,20 裡取出10個間隔相等的數 torch tensor y torch.linspace 20,11,10 batch size...

用PyTorch實現多層網路

task4 2天 用pytorch實現多層網路 1.引入模組，讀取資料 2.構建計算圖 構建網路模型 3.損失函式與優化器 4.開始訓練模型 5.對訓練的模型 結果進行評估 參考 import torch import torchvision import torchvision.transform...