怎么在pytorch中使用Variable实现线性回归

本篇文章给大家分享的是有关怎么在pytorch中使用Variable实现线性回归，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

一、手动计算梯度实现线性回归

#导入相关包 import torch as t import matplotlib.pyplot as plt   #构造数据 def get_fake_data(batch_size = 8):  #设置随机种子数，这样每次生成的随机数都是一样的  t.manual_seed(10)  #产生随机数据:y = 2*x+3,加上了一些噪声  x = t.rand(batch_size,1) * 20  #randn生成期望为0方差为1的正态分布随机数  y = x * 2 + (1 + t.randn(batch_size,1)) * 3   return x,y   #查看生成数据的分布 x,y = get_fake_data() plt.scatter(x.squeeze().numpy(),y.squeeze().numpy())   #线性回归   #随机初始化参数 w = t.rand(1,1) b = t.zeros(1,1) #学习率 lr = 0.001    for i in range(10000):  x,y = get_fake_data()    #forward:计算loss  y_pred = x.mm(w) + b.expand_as(y)    #均方误差作为损失函数  loss = 0.5 * (y_pred - y)**2   loss = loss.sum()    #backward:手动计算梯度  dloss = 1  dy_pred = dloss * (y_pred - y)  dw = x.t().mm(dy_pred)  db = dy_pred.sum()    #更新参数  w.sub_(lr * dw)  b.sub_(lr * db)    if i%1000 == 0:  #画图  plt.scatter(x.squeeze().numpy(),y.squeeze().numpy())    x1 = t.arange(0,20).float().view(-1,1)  y1 = x1.mm(w) + b.expand_as(x1)  plt.plot(x1.numpy(),y1.numpy()) #predicted  plt.show()  #plt.pause(0.5)  print(w.squeeze(),b.squeeze())

显示的最后一张图如下所示：

二、自动梯度 计算梯度实现线性回归

#导入相关包 import torch as t from torch.autograd import Variable as V import matplotlib.pyplot as plt   #构造数据 def get_fake_data(batch_size=8):  t.manual_seed(10) #设置随机数种子  x = t.rand(batch_size,1) * 20  y = 2 * x +(1 + t.randn(batch_size,1)) * 3  return x,y   #查看产生的x,y的分布是什么样的 x,y = get_fake_data() plt.scatter(x.squeeze().numpy(),y.squeeze().numpy())   #线性回归   #初始化随机参数 w = V(t.rand(1,1),requires_grad=True) b = V(t.rand(1,1),requires_grad=True) lr = 0.001 for i in range(8000):  x,y = get_fake_data()  x,y = V(x),V(y)  y_pred = x * w + b  loss = 0.5 * (y_pred-y)**2  loss = loss.sum()    #自动计算梯度  loss.backward()  #更新参数  w.data.sub_(lr * w.grad.data)  b.data.sub_(lr * b.grad.data)    #梯度清零,不清零梯度会累加的  w.grad.data.zero_()  b.grad.data.zero_()    if i%1000==0:  #predicted  x = t.arange(0,20).float().view(-1,1)  y = x.mm(w.data) + b.data.expand_as(x)  plt.plot(x.numpy(),y.numpy())    #true data  x2,y2 = get_fake_data()  plt.scatter(x2.numpy(),y2.numpy())  plt.show() print(w.data[0],b.data[0])

显示的最后一张图如下所示：

以上就是怎么在pytorch中使用Variable实现线性回归，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注亿速云行业资讯频道。