PyTorch基础（三）回归与分类

昨天终于把毕业论文的所有事情都完成了，之前学的一些深度学习知识有些又不记得了，一点点的复习，不过，复习起来还是比较容易的的，看一遍书，大致又都记起来了。学到了卷积神经网络，先利用pytorch搭建简单模型，然后再想着利用pytorch搭建别人的网络模型。

搭建模型的步骤

• 准备数据集
• 设计模型，计算y_hat，同时构造计算图
• 构建loss
• 构建优化器
• 训练更新

线性回归问题

import torch

#准备数据集
x_data = torch.tensor([[1.0],[2.0],[3.0]])
y_data = torch.tensor([[2.0],[4.0],[6.0]])


#设计模型 计算y_hat  构造计算图
#必须要实现__init__() 和forward()函数
class LinearModel(torch.nn.Module):
    def __init__(self):
        #just do it
        super(LinearModel,self).__init__()

        #构造自己的模型  输入1维 输出1维  y = ax+b
        # 参数： in_features: int, out_features: int, bias: bool = True
        self.linear = torch.nn.Linear(1,1)

    def forward(self,x):
        y_pre =