Pytorch构建神经网络多元线性回归模型

原创

已于 2024-09-14 14:07:04 修改 · 817 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #线性回归 #python

于 2024-09-14 10:42:37 首次发布

1.模型线性方程y = W ∗ X + b

from torch import nn
import torch

#手动设置的W参数（待模型学习），这里设置为12个，自己随意设置

weight_set=torch.tensor([[1.5,2.38,4.22,6.5,7.2,3.21,4.44,6.55,2.48,-1.75,-3.26,4.78]])

#手动设置的偏置b
bias=torch.tensor([7.25])

#生成100个随机的12个特征的点
torch.random.manual_seed(100)
x=torch.randint(1,10,(100,12))
x=x.float()
#将参数转置
weight_set_trans=weight_set.transpose(0,1)
#y=w*x+b
y_true=torch.matmul(x,weight_set_trans)+bias

2.定义单层的网络结构

#定义模型

class linear_model(nn.Module):
    def __init__(self):
        super().__init__()
        self.layer = nn.Linear(12,1)
    def forward (self, x):
        y = self.layer(x)
        return y
model=linear_model()
h=model(x)
for name ,param in model.named_parameters():
    print(f"{name}:{param}")

output:

layer.weight:Parameter containing:
tensor([[ 0.2429,  0.0523, -0.2873,  0.2485,  0.1396, -0.0960,  0.2534,  0.2423,
          0.0123, -0.2309, -0.22