Pytorch实现线性回归

最新推荐文章于 2024-08-04 23:19:34 发布

菜鸟小_pu

最新推荐文章于 2024-08-04 23:19:34 发布

阅读量1k

点赞数 1

分类专栏： Pytorch框架学习文章标签：深度学习 pytorch 线性回归

本文链接：https://blog.youkuaiyun.com/qq_43161211/article/details/121565578

版权

该博客展示了如何使用PyTorch构建并训练一个简单的线性回归模型。首先，通过随机生成数据，然后定义一个包含一个线性层的Lr类。接着，实例化模型、损失函数（MSELoss）和优化器（SGD）。在训练过程中，模型在每个epoch后打印损失。最后，模型被用于预测，并将结果与原始数据一起可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

生成数据
定义模型
实例化模型，损失函数，和优化器
训练模型与评估

import torch
from torch import nn
from torch import optim
import numpy as np
from matplotlib import pyplot as plt
import time

# 1. 定义数据
x = torch.rand([50,1])
y = x*3 + 0.8

#2 .定义模型
class Lr(nn.Module):
    def __init__(self):
        super(Lr,self).__init__()
        self.linear = nn.Linear(1,1)

    def forward(self, x):
        out = self.linear(x)
        return out

# 3. 实例化模型，loss，和优化器
epoch = 3500 # 迭代次数
lr=0.001 # 学习率
if torch.cuda.is_available():
    model = Lr().cuda()
else:
    model = Lr()
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(),lr=lr)

#4. 训练模型
for i in range(epoch):
    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
    x,y = x.to(device),y.to(device)
    out = model(x)
    loss = criterion(y,out)

    o