深度学习--线性回归实战

一.项目的内容

该项目旨在探究恋爱次数与（颜值，身高，财富，内涵）之间的关系，探究其各自的线性关系。

二.项目的实现

先生成500条原始的数据，再设计一个模型，任意确定一个w_0以及b_0,再设计一个损失函数loss,通过反向传播和梯度下降来对模型进行训练。通过训练的结果来调整学习率的大小。最终通过可视化来保存训练的结果，反映其各要素之间的线性关系。

三.代码的实现过程

1.引入python包

import torch
import matplotlib.pyplot as plt
import random #随机操作

2.创建一个生成数据的函数create_data

def create_data(w,b,data_num):
#这里生成的是一笔真实的数据，这里的数据不是调研得到的，而是通过函数自己生成的
    x=torch.normal(0,1,(data_num,len(w)))   #这里w的长为x的宽，data_num为x的长
    y=torch.matmul(x,w)+b #matmul表示矩阵相乘

    noise=torch.normal(0,0.01,y.shape)
#噪声要加到y上，其0.01表示方差，方差越小表示数越小，y.shape表示y的维度的大小
    y +=noise
    return x, y

num = 500

true_w=torch.tensor([8.1 , 2 , 2 , 4])
true_b=torch.tensor(1.1)

这里是通过true_w和true_b来生成原始的数据X，Y；这里的Y是通过确定的true_w*X+true_b加上noise来得到。

X,Y=create_data(true_w, t