测试

小项目

In [1]:

#库
import torch as t
from matplotlib import pyplot as plt
from IPython import display

# device = t.device('cpu') #如果你想用GPU，改成t.device('cuda:0')
device = t.device('cuda:0')

In [2]:

# x1=t.rand(5,1)#列向量shape=(5,1)，生成在(0,1)之间的均匀分布
# x1

count = 10

x1=t.rand(5,1)*count#列向量，生成在(0,count)之间的均匀分布
x1
x1.shape

Out[2]:

torch.Size([5, 1])

In [3]:

# 设置随机数种子，保证在不同电脑上运行时下面的输出一致
t.manual_seed(1000)

def get_fake_data(batch_size=8):
''' 产生随机数据：y=x*3+4，加上了一些噪声'''
x = t.rand(batch_size, 1, device=device) * 5 #rand():均匀分布
y = x * 3 + 4 + t.randn(batch_size, 1, device=device) #randn():标准分布
return x, y

In [4]:

# 来看看产生的x-y分布
x, y = get_fake_data(batch_size=16)
# plt.scatter(x.squeeze().cpu().numpy(), y.squeeze().cpu().numpy())
plt.scatter(x.cpu().numpy(), y.cpu().numpy())

Out[4]:

<matplotlib.collections.PathCollection at 0x20b8c566f70>