机器学习：pytorch框架（3）--尝试在一个神经网络实例中理解和实操（鸾尾花数据集）

 学习记录总结专栏：机器学习：PyTorch框架-个人学习总结（专栏）https://blog.youkuaiyun.com/spiderb/category_12838886.html

---

1 前言

在对pytorch框架的一些核心概念有一定理解之后，在更深入探索整个框架之前，寻找一个pytorch构建的实例，看看真实开发过程中如何编写代码，对我们构建实践上的认知是有帮助，毕竟编程是一项实践工作，只是停留在理论层面而没有实操，那都是纸上谈兵。实践是检验真理的唯一标准。通过将学习的理论和方法应用到实际问题中，加深对理论和方法的理解，巩固学习到的知识。

因此，通过在GitHub上搜索，找到了一个【基于pytorch构建神经根网络对鸾尾花数据集进行分类】（下面将简称为“pytorch分类demo”）的一个简单小demo--地址：GitHub - Arwin-Yu/Iris-classification-based-on-a-neural-network-algorithm-using-pytorch: Iris classification based on a neural network algorithm using pytorch

在学习上述demo过程中，对其中代码进行理解和注释。并理解一个基本的代码编写的解决思路和尝试运行得到一个模型和最终预测结果。

Iris 数据集是常用的分类实验 数据集，由Fisher, 1936收集整理。Iris也称 鸢尾花卉数据集，是一类 多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过 花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。