自定义数据集 使用paddlepaddle框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测

python 复制代码
import numpy as np
import paddle
import paddle.nn as nn

seed=1
paddle.seed(seed)

data = [[-0.5, 7.7], [1.8, 98.5], [0.9, 57.8], [0.4, 39.2], [-1.4, -15.7], [-1.4, -37.3], [-1.8, -49.1], [1.5, 75.6], [0.4, 34.0], [0.8, 62.3]]

data=np.array(data)

x_data=data[:,0]
y_data=data[:,1]

x_train=paddle.to_tensor(x_data,dtype=paddle.float32)
y_train=paddle.to_tensor(y_data,dtype=paddle.float32)

class LinearModel(nn.Layer):
    def __init__(self):
       super(LinearModel,self).__init__()
       self.linear=nn.Linear(1,1)
    def forward(self,x):
        x=self.linear(x)
        return x

model=LinearModel()

criterion=paddle.nn.MSELoss()

optimizer=paddle.optimizer.SGD(learning_rate=0.01, parameters=model.parameters())

epochs=500
final_checkpoint={}
for epoch in range(1,epochs+1):
    y_prd=model(x_train.unsqueeze(1))
    loss=criterion(y_prd.squeeze(1),y_train)
    optimizer.clear_grad()
    loss.backward()
    optimizer.step()
    if epoch % 10==0 or epoch==1:
        print(f"epoch:{epoch},loss:{float(loss)}")
    if epoch==epochs:
        final_checkpoint['epoch']=epoch
        final_checkpoint['loss']=loss

paddle.save(model.state_dict(),'./基础API/model.params')

model.load_dict(paddle.load('./基础API/model.params'))
model.eval()
x_test=paddle.to_tensor([[1.8]],dtype=paddle.float32)
y_test=model(x_test)
print(f'y_test:{y_test}')
相关推荐
槑槑紫18 分钟前
深度学习pytorch整体流程
人工智能·pytorch·深度学习
盼小辉丶31 分钟前
TensorFlow深度学习实战——去噪自编码器详解与实现
人工智能·深度学习·tensorflow
胖达不服输39 分钟前
「日拱一码」020 机器学习——数据处理
人工智能·python·机器学习·数据处理
吴佳浩1 小时前
Python入门指南-AI模型相似性检测方法:技术原理与实现
人工智能·python·llm
kebijuelun2 小时前
百度文心 4.5 大模型详解:ERNIE 4.5 Technical Report
人工智能·深度学习·百度·语言模型·自然语言处理·aigc
算家计算2 小时前
ComfyUI-v0.3.43本地部署教程:新增 Omnigen 2 支持,复杂图像任务一步到位!
人工智能·开源
新智元2 小时前
毕业 7 年,身价破亿!清北 AI 天团血洗硅谷,奥特曼被逼分天价股份
人工智能·openai
新智元2 小时前
刚刚,苹果大模型团队负责人叛逃 Meta!华人 AI 巨星 + 1,年薪飙至 9 位数
人工智能·openai
Cyltcc2 小时前
如何安装和使用 Claude Code 教程 - Windows 用户篇
人工智能·claude·visual studio code
吹风看太阳3 小时前
机器学习16-总体架构
人工智能·机器学习