pytorch入门——基于pytorch构建一个线性回归学习模型

import torch
import matplotlib.pyplot as plt 
import pandas as pd
import numpy as np
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
# 1.读取数据
data = pd.read_csv(r'C:\Users\22789\Desktop\Income1.csv')
# 2.数据预处理
X = torch.from_numpy(data.Education.values.reshape(-1,1).astype(np.float32))
Y = torch.from_numpy(data.Income.values.reshape(-1,1).astype(np.float32))
# 3.构建神经网络模型
from torch import nn
model = nn.Linear(1,1)
loss_fn = nn.MSELoss()
opt = torch.optim.SGD(model.parameters(),lr=0.001)
for i in range(1000):
    for x,y in zip(X,Y):
        y_pred = model(x)
        loss = loss_fn(y,y_pred)
        opt.zero_grad()
        loss.backward()
        opt.step()
    if i%50==0:
        print(f'第{i}轮训练结束,model_parameters:{model.bias}')
# 4.验证模型学习效果
plt.scatter(X.numpy(),Y.numpy())
plt.xlabel('Education')
plt.ylabel('Income')
plt.plot(X.numpy(),model(X).data.numpy(),c='red')

__EOF__

本文作者：DeepBrainBoy
本文链接：https://www.cnblogs.com/tccjx/articles/16470271.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！