欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

pytorch实现线性回归

程序员文章站 2023-12-29 17:45:28
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# 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impor...

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

# 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。

上一篇:

下一篇: