JannyYang的博客

原理：给定数据集 ，线性回归希望能够优 化出一个好的函数 f(x) 使得能够与 yi 尽可能接近。 如何才能学习到参数w和b呢？很简单，只需要确定如何衡量 f(x) 与y之间的差 别，可以用它们之间的距离差异来衡量误差，取平方是因为距离有正有负，我们希望能够将它们全部变成正的。这也就是著名的均方误差，要做的事情就是希望能够找到w*和b*使得 均方误差非常直观，也有着很好的几何意义，对应了常...

① torch.mm() torch.mm(mat1, mat2, out=None) → Tensor torch.matmul(mat1, mat2, out=None) → Tensor 对矩阵mat1和mat2进行相乘。 如果mat1是一个n×m张量，mat2是一个m×p 张量，将会输出一个n×p 张量out。 参数 ： mat1 (Tensor) – 第一个相乘矩阵 m...

torch.randn(*sizes, out=None)→ Tensor 功能：从标准正态分布（均值为0，方差为1）中抽取的一组随机数。返回一个张量 sizes (int…) - 整数序列，定义输出张量的形状 out (Tensor, optinal) - 结果张量 eg： random = torch.randn(2, 3） out: 0.5419 0.1594 -0.0413 ...

import torch import torch.nn as nn from torch.autograd import Variable import torch.optim as optim import matplotlib.pyplot as plt def make_features(x): x = x.unsqueeze(1) return torch.cat([...

数据： 连接：https://pan.baidu.com/s/1-v5R_Yvb94GxafH8e9QDkg 提取码：0kle 代码： import torch import torch.nn as nn from torch.autograd import Variable import numpy as np import torch.optim as optim import m...