PyTorch深度学习实践（四）

1 pytorch的功能2 构造模型——线性模型3 代码

写在前面：学习用pytorch的工具，来重现之前学习的线性模型！

最后得到的loss应该是一个标量，而不是一个向量。

Linear包含了权重和输入用Module定义的模型，会自动反向传播 3 代码

可以直接运行

import torch

x_data = torch.Tensor([[1.0], [2.0], [3.0]])
y_data = torch.Tensor([[2.0], [4.0], [6.0]])


class LinearModel(torch.nn.Module):
    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_pred


model = LinearModel()


criterion = torch.nn.MSELoss(size_average=False)
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

for epoch in range(1000):
    y_pred = model(x_data)
    loss = criterion(y_pred, y_data)
    print(epoch, loss.item())

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

print('w = ', model.linear.weight.item())
print('b = ', model.linear.bias.item())

x_test = torch.Tensor([[4.0]])
y_test = model(x_test)
print('y_pred = ', y_test.data)

最后的输出的参数w和b，以及对于x=4时的y的预测值，总体来看效果不错！