pytorch搭建简单网络
pytorch搭建一个简单神经网络
1 import torch 2 import torch.nn as nn 3 4 # 定义数据 5 # x:输入数据 6 # y:标签 7 x = torch.Tensor([[0.2, 0.4], [0.2, 0.3], [0.3, 0.4]]) 8 y = torch.Tensor([[0.6], [0.5], [0.7]]) 9 10 11 class MyNet(nn.Module): 12 def __init__(self): 13 # 调用基类构造函数 14 super(MyNet, self).__init__() 15 # 容器，使用时顺序调用各个层 16 self.fc = nn.Sequential( 17 # 定义三层 18 # 输入层 19 nn.Linear(2, 4), 20 # 激活函数 21 nn.Sigmoid(), 22 # 隐藏层 23 nn.Linear(4, 4), 24 nn.Sigmoid(), 25 # 输出层 26 nn.Linear(4, 1), 27 ) 28 # 优化器 29 # params:优化对象 30 # lr:学习率 31 self.opt = torch.optim.Adam(params=self.parameters(), lr=0.001) 32 # 损失函数,均方差 33 self.mls = torch.nn.MSELoss() 34 35 def forward(self, inputs): 36 # 前向传播 37 return self.fc(inputs) 38 39 def train(self, x, y): 40 # 训练 41 # 得到输出结果 42 out = self.forward(x) 43 # 计算误差 44 loss = self.mls(out, y) 45 # print('loss', loss) 46 # 梯度置零 47 self.opt.zero_grad() 48 # 误差反向传播 49 loss.backward() 50 # 更新权重 51 self.opt.step() 52 53 def test(self, x): 54 # 测试，就是前向传播的过程 55 return self.forward(x) 56 57 58 net = MyNet() 59 for i in range(10000): 60 net.train(x, y) 61 x = torch.Tensor([[0.4, 0.1]]) 62 out = net.test(x) 63 print(out) # 输出结果 tensor([[0.5205]], grad_fn=<AddmmBackward>)
训练集较少，可能结果不是很好，主要是结构，毕竟刚开始接触这个pytorch
