PyTorch-based implementation of a simple linear regression model

阅读量：

目录：完整注释在代码中

思路
- - 生成初始数据集
  - 制作小规模数据批次
  - 构建模型架构（神经网络）
  - 确定损失函数
  - 选择优化策略
  - 主程序传递参数进行训练
  - 完整的代码实现

思路

创造初始数据集
借助原始数据与batch_size参数，构建小批量数据样本
构建模型结构（神经网络）
确定损失函数表达式
设置参数优化策略
在主程序中传递参数并执行训练过程

原始数据生成过程

复制代码

    def synthetic_data(w, b, num_examples):
    """ 生成 y = Xw + b + 噪声。"""
    # torch.normal(mean, std, (x, y))：返回一个shape为(x,y)的矩阵，矩阵中的元素：从
    # 满足均值mean，方差std的正态分布的数据中，选择的x*y个
    X = torch.normal(0, 1, (num_examples, len(w)))
    y = torch.matmul(X, w) + b  #y中每个元素都加上b
    y += torch.normal(0, 0.01, y.shape)

全部评论 (0)

还没有任何评论哟~