Pytorch (二) Regression 回归

最新推荐文章于 2024-07-12 20:12:19 发布

原创

最新推荐文章于 2024-07-12 20:12:19 发布 · 2.1k 阅读

4 ·

CC 4.0 BY-SA版权

这篇博客介绍了PyTorch中回归Regression的基本概念和实现步骤，包括搭建神经网络、定义损失函数和训练过程。博主分享了个人学习心得，并探讨了激活函数的作用和不同损失函数的含义，如均方误差和交叉熵。

Regression

就我现在学到的知识而言，我所目前知道的问题分两类，一类是回归分析，另一类是分类。

初学者水平较低，仅为个人学习笔记，如有纰漏，请大佬们指出～

今天所学的就是回归 Regression。1.搭建神经网络 2.定义损失函数 3.训练网络

先贴出代码

import torch 
import torch.nn.functional as F #import activation fuctions(导入激活函数)

class Net(torch.nn.Module): # extends the module of torch（继承torch中的 Module 模块）
    def __init__(self,n_input,n_hidden1,n_hidden2,n_output):
        super(Net,self).__init__() # extends the init fuctions（继承初始化方法）
        self.hidden1 = torch.nn.Linear(n_input,n_hidden1)# linear function （线性函数）
        self.hidden2 = torch.nn.Linear(n_hidden1,n_hidden2)#linear function（线性函数）
        self.output  = torch.nn.Linear(n_hidden2,n_output)#linear function（线性函数）
        
    def forward(self,x):# forward function （前向传播方法）
        x = F.relu(self.hidden1(x))# use relu function to activate（采用 relu 激活函数）
        x = F.relu(self.hidden2(x))# use