PyTorch学习笔记（2）

哎呀呀，知识来我的脑子里

于 2021-10-12 19:55:39 发布

阅读量45

点赞数

文章标签： pytorch python 深度学习

本文链接：https://blog.youkuaiyun.com/soulwwx/article/details/120730761

版权

这篇博客展示了如何使用PyTorch实现一个简单的线性回归模型。通过定义前向传播函数、损失函数，然后进行梯度下降优化，模型在给定的数据集（x_data=[1,2,3], y_data=[2,4,6]）上进行训练。最终，博主展示了训练后的模型预测结果，并绘制了损失随训练迭代的变化图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用到了tensor
前向传播、计算loss

import torch
import matplotlib.pyplot as plt
x_data = [1, 2, 3]
y_data = [2, 4, 6]


def forward(x):
    return x * w


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


w = torch.tensor([1.0],requires_grad=True)
l_list=[]
for epoch in range(100):
    sum=0
    for x, y in zip(x_data, y_data):
        l = loss(x, y)
        l.backward()
        print("\tw=", w.grad.item(),"\n")
        w.data -= 0.01 * w.grad.data
        w.grad.data.zero_()
        sum+= l.item()
    print("loss=",sum/len(x_data),"\n")
    l_list.append(sum)
print("predict (after training)", 4, forward(4).item())

plt.plot(range(100),l_list)
plt.show()