pytorch学习笔记（1）：开始一个简单的分类器

参考文档：https://mp.weixin.qq.com/s/wj8wxeaGblJijiHFZA6lXQ

回想了一下自己关于 pytorch 的学习路线，一开始找的各种资料，写下来都能跑，但是却没有给自己体会到学习的过程。有的教程一上来就是写一个 cnn，虽然其实内容很简单，但是直接上手容易让人找不到重点，学的云里雾里。有的教程又浅尝辄止，师傅领到了门槛跟前，总感觉自己还没有进门，教程就结束了。

所以我总结了一下自己当初学习的路线，准备继续深入巩固自己的 pytorch 基础；另一方面，也想从头整理一个教程，从没有接触过 pytorch 开始，到完成一些最新论文里面的工作。以自己的学习笔记整理为主线，大家可以针对参考。

第一篇笔记，我们先完成一个简单的分类器。主要流程分为以下三个部分：

1，自定义生成一个训练集，具体为在二维平面上的一些点，分为两类；

2，构建一个浅层神经网络，实现对特征的拟合，主要是明白在 pytorch 中网络结构如何搭建；

3，完成训练和测试部分的工作，熟悉 pytorch 如何对网络进行训练和测试。

1、自定义生成数据集

n_data = torch.ones(100, 2)
x0 = torch.normal(2*n_data, 1)
y0 = torch.zeros(100)
x1 = torch.normal(-2*n_data, 1)
y1 = torch.ones(100)

x = torch.cat((x0, x1)).type(torch.FloatTensor)
y = torch.cat((y0, y1)).type(torch