Pytorch手写线性回归
pytorch手写线性回归
import torch import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation LEARN_RATE = 0.1 #1.准备数据 x = torch.randn([500,1]) y_true = x*0.8+3 #2.计算预测值 t_tred = x*w + b w = torch.rand([],requires_grad=True) b = torch.tensor(0.,requires_grad=True) plt.figure() plt.grid(True) #开启交互模式 plt.ion() for i in range(50): plt.cla() for j in [w,b]: if j.grad is not None: j.grad.zero_() y_predict = x*w+b #3.计算损失,把参数的梯度置为0,进行反向传播 loss = (y_predict-y_true).pow(2).mean() loss.backward() #4.更新参数,grad表示导数 w.data = w.data - LEARN_RATE*w.grad b.data = b.data - LEARN_RATE*b.grad plt.scatter(x.numpy(),y_true.numpy()) plt.plot(x.numpy(),y_predict.detach().numpy(),color="g") plt.pause(0.1) if i %50 ==0: print( "第{}次,损失{},权重w={},偏执b={}".format(i,loss.data,w.data,b.data)) #关闭交互模式 plt.ioff() plt.show()
多思考也是一种努力,做出正确的分析和选择,因为我们的时间和精力都有限,所以把时间花在更有价值的地方。