上课笔记篇---用Pytorch实现简单的线性回归

@用Pytorch实现简单线性回归

用Pytorch实现简单的线性回归

之前关于深学啥的，看了一些书和论文，但真正上手，还没做过。现在项目有需求，就在微信上报了个班，开始学习Pytorch上手的东西。这里做一个记录，以备自己以后查看。

直接上代码吧

这个代码是教程上的，版权归教程所有，如果侵权，我会马上删掉。.

// An highlighted block
lr=0.1 #学习率
x=torch.rand(20,1) * 10 #随机生成的X
y=2*x+(5+torch.rand(20,1)) #在X基础上，添加随机量，生成Y

w=torch.randn((1),requires_grad=True) #随机给个W，后面的参数是自动求导时用的
b=torch.zeros((1),requires_grad=True) #b先给的是零

for iteration in range(1000):
	wx = torch.mul(w,x) # 给所有的X先乘个w
    y_pred = torch.add(wx, b) #然后根据y=wx+b求出预测的y
    
	#根据Y和预测的Y_Pred求出两个之间的平均误差
    loss=(0.5 * (y-y_pred) ** 2).mean() 
    #再根据这个误差进行反向传播，也就是梯度下降
    loss.backward()
	# 根据梯度下降获得的值更新w和b
    b.data.sub_(lr * b.grad)
    w.data.sub_(lr * w.grad)
    
	#这里主要是绘制图像，将散点和求出的直线绘制出来
    if iteration % 20 == 0:
       # 原代码中缺了下面这一句，导致画图会出问题
       plt.clf()
       plt.scatter(x.data.numpy(),y.data.numpy())
       plt.plot(x.data.numpy(),y_pred.data.numpy(),"r-",lw=5)
       plt.text(2,20,'Loss*%.4f'% loss.data.numpy(),fontdict={'size':20,'color':'red'})
       plt.xlim(1.5,10)
       plt.ylim(8,28)
       plt.title("Iteration : {}\n w: {} b: {}".format(iteration,w.data.numpy(),b.data.numpy()))
       plt.pause(0.5)
	   # 如果误差小到一定范围，则退出循环
       if loss.data.numpy() < 1:
           break

我是代码说明

上面这段代码，实现的是对随机生成的一堆散点实现曲线的拟合。具体的解释本来想写在这呢，后来还是觉得直接写在代码注释中好一些。