莫烦pytorch---New network定义以及可视化

这里的linear也可以堪称一个module，里面也定义了forward，因此在定义为为一个线性模型以后，可以直接（x）

net = Net(1,10,1)
print(net)

可以输出网络结构
搭建完以后需要优化神经网络参数

然后是正式训练过程：

for i in range(100):
    prediction = net(x)#就像在Net类中写的self.predict(x),这里的x就是类中forward中传入的参数x
                       #同时这里返回的是forward后的值 
    loss = loss_func(prediction, y)#这里的loss经过实例化以后也可以再传入参数
    optimizer.zero_grad()#先把需要优化的参数net.parameters()的梯度全部降为0
    loss.backward()#然后在loss反向传递的过程中自动算梯度，保存在Variable中
    optimizer.step()#优化梯度

画图

注意，数据传入前需要进行格式转换，torch只能处理二维数据

然后变为Variable