处理多维特征的输入

数据的每一列称为：特征/字段

x的数据变为8列，维数=8

 step one:构建数据集

 x_data;y_data：创建两个Tensor

step two:定义模型

 step three:构造损失和优化器

step four:训练

 else

激活函数：

 代码更改部分：

转->大佬笔记

torch.where(condition, x, y) → Tensor：根据条件，返回从x,y中选择元素所组成的张量。如果满足条件，则返回x中元素。若不满足，返回y中元素。

torch.eq(y_pred_label, y_data).sum().item() ：torch.eq()是比较input和output的函数,input必须为tensor类型，output可以为相同大小的tensor也可以为某个值，当input和output都为tensor类型时，比较对应位置数字是否相同，相同则为1，否则为0。而torch.eq()函数得到的是个tensor。例如[1，0，0，0]，即相同为1，不同为0。torch.eq().sum()就是将所有值相加，但是得到的仍然是一个转->大佬笔记,本例中torch.eq(A,B).sum()得到的结果就是[1](1+0+0+0),最后一步torch.eq(A,B).sum().item()得到的就是这个tensor中的值了，即1。

Tensor.size(0)：Tensor有几列；0->1表示有几行