深度学习-使用PyTorch模拟二次函数

最新推荐文章于 2024-08-06 00:30:14 发布

原创

最新推荐文章于 2024-08-06 00:30:14 发布 · 2.4k 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #python #深度学习

本文探讨如何利用PyTorch实现二次函数的深度学习模型，虽然PyTorch相比Tensorflow更易用，但频繁的更新带来了一些挑战。

目标效果：

import torch
import torch.nn.functional as f
from torch.autograd import Variable
import matplotlib.pyplot as plt

"""生成随机数据"""
x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)  # x轴数据从-1到1，共100个数据，unsqueeze把一维的数据变为2维的数据
y = x.pow(2) + 0.2 * torch.rand(x.size())  # y=x*2，但是还要加上波动
x, y = Variable(x), Variable(y)  # 变成Variable的形式，神经网络只能输入Variable

"""创建神经网络"""
class Net(torch.nn.Module):
    def __init__(self, n_feature, n_hidden, n_output):  # 初始化信息
        super(Net, self).__init__()
        self.hidden = torch.nn.Linear(n_feature, n_hidden)  # 一层隐藏层神经网络，输入信息，输出信息（神经元个数）
        self.predict = torch.nn.Linear(n_hidden, n_output)  # 一层预测层神经网络，输入信息，输出信息（神经元个数）

    def forward(self, x):  # 前向传递，x为输入信息
        x = f.relu(self.hidden(x))  # 出了隐藏层要激活
        x = self.predict(x)
        re