Pytorch入门实例的分解写法

赛博炼丹师

于 2023-10-26 19:08:31 发布

阅读量197

点赞数 1

分类专栏： Pytorch 文章标签： pytorch 人工智能 python 深度学习

本文链接：https://blog.youkuaiyun.com/Victor_Li_/article/details/134062796

版权

Pytorch 专栏收录该内容

13 篇文章

订阅专栏

本文介绍了如何使用Python库如PyTorch、numpy和matplotlib对教育年限和收入数据集进行线性回归分析，通过梯度下降优化权重和偏置参数，展示教育年限与收入之间的关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集是受教育年限和收入,如下图

代码如下

import torch
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

data = pd.read_csv('./Income.csv')

X = torch.from_numpy(data.Education.values.reshape(-1,1).astype(np.float32))
Y = torch.from_numpy(data.Income.values.reshape(-1,1).astype(np.float32))

learning_rate = 0.0001

w = torch.randn(1,requires_grad=True)
b = torch.zeros(1,requires_grad=True)

for epoch in range(50):
    for x,y in zip(X,Y):
        y_pred = torch.matmul(x,w) + b
        loss = (y - y_pred).pow(2).mean()
        if not w.grad is None:
            w.grad.data.zero_()
        if not b.grad is None:
            b.grad.data.zero_()
        loss.backward()
        with torch.no_grad():
            w.data -= w.grad.data * learning_rate
            b.data -= b.grad.data * learning_rate

plt.scatter(data.Education,data.Income)
plt.plot(X.numpy(),(X.numpy() * w.data.numpy() + b.data.numpy()),c='r')
plt.xlabel('Education')
plt.ylabel('Income')
plt.show()

输出如下