pytorch深度学习（4）：反向传播y=w*x

谁最温柔最有派

已于 2022-09-06 16:04:13 修改

阅读量369

点赞数

分类专栏：人工智能算法文章标签： python 算法神经网络深度学习 pytorch

于 2021-11-29 16:26:01 首次发布

本文链接：https://blog.youkuaiyun.com/shoppingend/article/details/121613069

版权

人工智能算法专栏收录该内容

17 篇文章

订阅专栏

这篇博客展示了如何使用PyTorch进行简单的线性回归模型训练。通过定义模型、损失函数和优化步骤，作者逐步解释了训练过程。在训练过程中，模型参数w从初始值开始更新，最终使得模型能够预测给定输入x的对应输出y。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据 x_data = [1.0, 2.0, 3.0]，y_data = [2.0, 4.0, 6.0]
模型选择：y = w * x
代码如下：

import torch

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]

w = torch.Tensor([1.0])
w.requires_grad = True

def forward(x):
    return x * w

def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2

print("predict (before training)", 4, forward(4).item())

for epoch in range(100):
    for x, y in zip(x_data, y_data):
        l = loss(x, y)
        l.backward()
        print('\tgrad: ', x, y, w.grad.item())
        w.data = w.data - 0.01 * w.grad.data

        w.grad.data.zero_()

    print("progress:", epoch, l.item())

print("predict (after training)", 4, forward(4).item())