【PyTorch 深度学习】4.用PyTorch实现多层网络

1.数据处理

1.1导入数据

我这里用的网上下载的diabetes.csv数据，首先载入数据，导入包：

import torch
import numpy as np
from torch import nn
from torch.autograd import Variable
import torch.nn.functional as F
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

%matplotlib inline
data = pd.read_csv('diabetes.csv')

看看数据长啥样：

可以看到’Outcome’这一栏是数据的类别

1.2数据预处理

我们将特征和类别分离，划分验证集和训练集，然后将特征归一化：

data1=data.copy()
y=data1.loc[:,['Outcome']] #数据标签
del data1['Outcome']
x = data1   #数据
x_train, x_test,y_train,y_test= train_test_split(x, y, test_size=0.3,random_state=2018)   #数据集三七分，随机种子2018

ss = StandardScaler()  
x_train = ss.fit_transform(x_train) #数据标准化
x_test =