线性回归
什么是线性回归 ?
线性回归是分析一个变量与另外一(多)个变量之间关系的方法
线性回归求解步骤
代码实现
import torch
import matplotlib.pyplot as plt
torch.manual_seed(10)
lr = 0.05 # 学习率 20191015修改
# 创建训练数据
x = torch.rand(20, 1) * 10 # x data (tensor), shape=(20, 1)
y = 2*x + (5 + torch.randn(20, 1)) # y data (tensor), shape=(20, 1)# torch.randn(20, 1)是加一些噪声。
# 构建线性回归参数
w = torch.randn((1), requires_grad=True) # w随机初始化并服从标准正态分布
b = torch.zeros((1), requires_grad=True)
for iteration in range(1000):
# 前向传播
wx = torch.mul(w, x)
y_pred = torch.add(wx, b)
# 计算 MSE loss
loss = (0.5 * (y - y_pred) ** 2).mean()
# 反向传播
loss.backward() # 自动求导函数,得到梯度
# 更新参数
b.data.sub_(lr * b.grad) # grad:是用来存储梯度的
w.data.sub_(lr * w.grad)
# 清零张量的梯度 20191015增加
w.grad.zero_()
b.grad.zero_()
# 绘图
if iteration % 20 == 0:
plt.cla() # 防止社区版可视化时模型重叠2020-12-15
plt.scatter(x.data.numpy(), y.data.numpy())
plt.plot(x.data.numpy(), y_pred.data.numpy(), 'r-', lw=5)
plt.text(2, 20, 'Loss=%.4f' % loss.data.numpy(), fontdict={'size': 20, 'color': 'red'})
plt.xlim(1.5, 10)
plt.ylim(8, 28)
plt.title("Iteration: {}\nw: {} b: {}".format(iteration, w.data.numpy(), b.data.numpy()))
plt.pause(0.5)
# loss小于1时停止更新
if loss.data.numpy() < 1:
break
plt.show()
OUT:
文章出处登录后可见!
已经登录?立即刷新