使用pytorch实现一个线性回归训练函数

SoStraw

已于 2024-02-28 19:06:36 修改

阅读量605

点赞数 2

分类专栏： torch 文章标签： pytorch 线性回归深度学习

于 2024-02-28 19:04:40 首次发布

本文链接：https://blog.youkuaiyun.com/qq974816077/article/details/136353461

版权

本文介绍了如何使用Python的sklearn库生成线性回归数据集，通过拆分batch训练，并利用梯度下降法优化权重和偏置，展示了数据拟合和损失值变化的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用sklearn.dataset 的make_regression创建用于线性回归的数据集

def create_dataset():
    x, y, coef = make_regression(n_samples=100, noise=10, coef=True, bias=14.5, n_features=1, random_state=0)
    return torch.tensor(x), torch.tensor(y), coef

加载数据集，并拆分batchs训练集

def load_dataset(x, y, batch_size):
    data_len = len(y)
    batch_num = data_len // batch_size
    for idx in range(batch_num):
        start = idx * batch_num
        end = idx * batch_num + batch_num
        train_x = x[start : end]
        train_y = y[start : end]
        yield train_x, train_y

定义初始权重和定义计算函数

w = torch.tensor(0.1, requires_grad=True, dtype=torch.float64)
b = torch.tensor(0, requires_grad=True, dtype=torch.float64)
def linear_regression(x):
    return x * w + b

损