Linear Regression
1. Prepare dataset
numpy中的广播机制:https://www.cnblogs.com/jiaxin359/p/9021726.html
import torch
x_data = torch.Tensor([[1.0], [2.0], [3.0]]) # 3*1 Tensor
y_data = torch.Tensor([2.0], [4.0], [6.0]) # 3*1 Tensor
2. Design model using Class
-
用Module构造出来的对象,会在构造计算图的过程中自动backward。
-
Linear layers
-
建立可调用对象
参考文章:https://www.jianshu.com/p/a96e71ff7f07?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation
def func(*args, **kwargs):
print(args) # 返回的是(1, 2, 4, 3)
print(kwargs) # 返回的是 {'x': 3, 'y': 5}
func(1, 2, 4, 3, x=3, y=5)
class Foobar

这篇博客详细介绍了如何使用PyTorch实现线性回归,包括数据集准备、使用Module设计模型、构建损失函数和优化器,以及训练过程。重点讲解了numpy的广播机制和Module的自动反向传播功能。
最低0.47元/天 解锁文章
2341

被折叠的 条评论
为什么被折叠?



