pytorch之多元线性回归

最新推荐文章于 2024-09-14 10:42:37 发布

原创

最新推荐文章于 2024-09-14 10:42:37 发布 · 5.8k 阅读

7 ·

CC 4.0 BY-SA版权

本文通过代码展示了如何在PyTorch中实现多元线性回归。文中附带了实现过程中的图表，虽然目前对于图表的解释存在疑问，作者承诺在理解后会进行更新。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上代码：

#拟合y=0.9+0.5*x+3*x^2
#  y = b + w1 *x + w2 *x**2

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


# pre_processing
def make_feature(x):
    x = x.unsqueeze(1)  # unsquenze 是为了添加维度1的，0表示第一维度，1表示第二维度，将tensor大小由3变为（3,1）
    return torch.cat([x ** i for i in range(1, 3)], 1)


W_output = torch.Tensor([0.5,3]).unsqueeze(1)
b_output = torch.Tensor([0.9])

# 定义好真实的数据
def f(x):
    return x.mm(W_output) + b_output[0]  # mm实现矩阵乘法


# 批量处理数据
def get_batch(batch_size=18):
    random = torch.randn(batch_size)
    x = make_feature(random)
    y = f(x)
    if torch.cuda.is_available():
        return Variable(x).cuda(), Variable(y).cuda()
    else:
        return Variable(x), Variable(y)


# def model
class poly_model(nn.Module):
    def __init__(self):
        super(poly_model, self).__init__()
        self.poly = nn.Linear(2, 1)  # 输入2维，输出1维

    def forward(self, input):
        output = self.poly(input)
        retur