mylinear.py代码解析

关尔523

已于 2025-02-19 00:45:10 修改

阅读量418

点赞数 11

分类专栏：深度学习文章标签： python

于 2025-02-18 22:30:10 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_73752078/article/details/145716366

版权

import torch
import matplotlib.pyplot as plt  # 画图
import random    # 随机

# 设置Matplotlib的交互式后端以避免警告
plt.switch_backend('TkAgg')

import torch: 导入PyTorch库，用于张量运算和深度学习模型构建。
import matplotlib.pyplot as plt: 导入Matplotlib库中的pyplot模块，用于绘制图表。
import random: 导入Python的标准random库，用于生成随机数。
plt.switch_backend('TkAgg'): 设置Matplotlib的交互式后端为TkAgg，以避免某些版本的Matplotlib发出的警告。

def create_data(w, b, data_num):    #生成数据
    x = torch.normal(0, 1, (data_num,len(w)))
    y = torch.matmul(x, w)+b       #matmul表示矩阵相乘

    noise = torch.normal(0, 0.01, y.shape)    #噪声要加到y上
    y += noise

    return x,y

def create_data(w, b, data_num): 定义一个名为create_data的函数，用于生成数据。参数包括权重w、偏置b和数据数量data_num。
x = torch.normal(0, 1, (data_num,len(w))): 生成一个均值为0，标准差为1的正态分布张量x，其形状为(data_num, len(w))。
y = torch.matmul(x, w)+b: 计算y，其中torch.matmul(x, w)表示矩阵乘法，然后加上偏置b。
noise = torch.normal(0, 0.01, y.shape): 生成与y形状相同的噪声张量noise，均值为0，标准差为0.01。
y += noise: 将噪声加到y上。
return x,y: 返回生成的特征x和目标值y。