pytorch之反向传播作业

最新推荐文章于 2024-07-21 16:55:00 发布

原创最新推荐文章于 2024-07-21 16:55:00 发布 · 155 阅读

0 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

22 篇文章

订阅专栏

这篇博客展示了如何使用PyTorch实现一个简单的线性回归模型。通过定义权重和偏置，以及前向传播和反向传播过程，模型在给定的数据集上进行训练。经过100个迭代周期，模型的预测值在输入为4时得到更新。

部署运行你感兴趣的模型镜像

import torch
import numpy as np

x_data = np.array([1.0,2.0,3.0])
y_data = x_data**2*5+x_data*5+7

w1 = torch.tensor([1.0])
w2 = torch.tensor([1.0])
b = torch.tensor([1.0])
w1.requires_grad = True
w2.requires_grad = True
b.requires_grad = True
def forward(x):
    return x**2*w1+x*w2+b
def loss(x,y):
    y_pred = forward(x)
    return (y_pred-y)**2

print("before training:",4,forward(4))
for epoch in range(100):
    for x,y in zip(x_data,y_data):
        l = loss(x,y)
        l.backward()
        w1.data = w1.data - 0.01*w1.grad.data
        w2.data = w2.data - 0.01*w2.grad.data
        b.data = b.data - 0.01*b.grad.data
        w1.grad.zero_()
        w2.grad.zero_()
        b.grad.zero_()
print("after training:",4,forward(4))

您可能感兴趣的与本文相关的镜像