线性回归简洁实现

1.通过使用深度学习框架来简洁实现线性回归模型生成数据集

复制代码
import numpy as np
import torch
from torch.utils import data
from d2l import torch as d2l

true_w = torch.tensor([2, -3.4])
true_b = 4.2
features, labels = d2l.synthetic_data(true_w, true_b, 1000)

2.调用框架现有API来读取数据

复制代码
def load_array(data_arrays, batch_size, is_train=True):
    """构造Pytorch数据迭代器"""
    dataset = data.TensorDataset(*data_arrays)
    return data.DataLoader(dataset, batch_size, shuffle=is_train)

batch_size=10
data_iter=load_array((features, labels),batch_size)

next(iter(data_iter))

3.使用框架预定义好的层

复制代码
from torch import nn

net = nn.Sequential(nn.Linear(2, 1))

4.初始化模型参数

复制代码
net[0].weight.data.normal_(0, 0.01)
net[0].bias.data.fill_(0)

5.计算均方误差使用的是MSELoss类(平方范式)

复制代码
loss = nn.MSELoss()

6.实例化SGD实例

复制代码
trainer = torch.optim.SGD(net.parameters(), lr=0.03)

7.训练过程代码

复制代码
num_epochs = 3
for epoch in range(num_epochs):
    for X, y in data_iter:
        l = loss(net(X), y)
        trainer.zero_grad()
        l.backward()
        trainer.step()
    l = loss(net(features), labels)
    print(f'epoch{epoch + 1},loss {1:f}')
相关推荐
mit6.8242 小时前
[Lc_week] 447 | 155 | Q1 | hash | pair {}调用
算法·leetcode·哈希算法·散列表
jerry6093 小时前
优先队列、堆笔记(算法第四版)
java·笔记·算法
勤劳的牛马3 小时前
📚 小白学算法 | 每日一题 | 算法实战:加1!
算法
Epiphany.5563 小时前
基于c++的LCA倍增法实现
c++·算法·深度优先
一只码代码的章鱼3 小时前
学习笔记2(Lombok+算法)
笔记·学习·算法
jerry6094 小时前
c++流对象
开发语言·c++·算法
2301_817031655 小时前
C语言-- 深入理解指针(4)
c语言·开发语言·算法
·醉挽清风·5 小时前
学习笔记—双指针算法—移动零
c++·笔记·学习·算法
几点才到啊5 小时前
使用 malloc 函数模拟开辟一个 3x5 的整型二维数组
数据结构·算法
编程绿豆侠6 小时前
力扣HOT100之链表:23. 合并 K 个升序链表
算法·leetcode·链表