pytorch学习笔记3-线性回归

线性回归线性回归 是分析一个变量与另外一个（多）个变量之间关系的方法

因变量：y

自变量：x

关系：线性

y=wx+b -> 求解w,b

求解步骤：

1.确定模型 Module: y=wx+b

2.选择损失函数 MSE： 均方差等

3.求解梯度并更新w,b w=w-LR*w.grad b=b-LR*w.grad

LR:步长，即学习率 -> 迭代更新使损失函数值较小即可

import torch
import matplotlib.pyplot as plt
torch.manual_seed(10) # 为CPU设置种子用于生成随机数，以使得结果是确定的

lr = 0.05  # 学习率

# 创建训练数据
x = torch.rand(20, 1) * 10
y = 2*x + (5 + torch.randn(20, 1))

# 构建线性回归参数
w = torch.randn((1), requires_grad=True)
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MES loss
    loss = (0.5 * (y-y_pred) ** 2).mean()

    # 反向传播
    loss.backward()

    # 更新参数
    b.data.sub_(lr * b.grad)
    w.data.sub_(lr * w.grad)

    # 清零张量的梯度
    w.grad.zero_()
    b.grad.zero_()

    # 绘图
    if iteration % 20 == 0:
        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)

        if loss.data.numpy() < 1:
            break

当loss函数值低于1是结束迭代，