PyTorch实战案例（一）——利用PyTorch进行基础线性回归分析

目录

• • 一、实例说明

    • 二、代码解析

    • • 2.1 基于线性方程生成数据集
      • 2.2 创建数据迭代工具
      • 2.3 设计神经网络结构并完成参数初始化
      • 2.4 启动模型训练过程
      • 2.5 展示训练结果以进行验证
      • 2.6 对训练结果进行图形化展示

    • 三、全部代码内容

一、案例描述与分析

掌握编程语言的最快方式是通过案例学习，随后自行完成案例的实现过程。本文将介绍PyTorch的第一个实际应用案例——线性回归算法。
具体任务为：借助PyTorch构建神经网络模型，以拟合直线y=Wx+b，其中W=[2,-3.4]T，b=4.2。
该案例包含两个特征，即W的两个分量，以及一个标签，即输出结果y。

二、代码实现与解析

2.1 根据直线方程构造数据集

设定构建数据集的函数：

    #根据带有噪声的线性模型构造一个人造数据集
    def synthetic_data(w,b,num_examples):
    '''生成y=wx+b+e(噪声)'''
    x=torch.normal(0,1,(num_examples,len(w)))  # 形状:num_examples*len(w)
    y=