d2l_线性回归完整python程序

从零实现

import torch
import randomdef synthetic_data(w, b, num_examples):"""生成 y=Xw + b + 噪声"""X = torch.normal(0, 1, (num_examples, len(w))) # 正态分布（均值为0，标准差为1）y = torch.matmul(X, w) + b # 矩阵相乘y += torch.normal(0, 0.01, y.shape) # 加入噪声项# 得到的y为行向量的形式，为了使其变为一列的形式需要进行reshapereturn X, y.reshape((-1, 1))def data_iter(batch_size, features, labels):num_examples = len(features)indices = list(range(num_examples))# 这些样本是随机读出的，没有特定的顺序random.shuffle(indices)for i in range(0, num_examples, batch_size):batch_indices = torch.tensor(indices[i:min(i+batch_size,num_examples)])yield features[batch_indices],labels[batch_indices]def linear(X,w,b):"""定义模型"""return torch.matmul(X,w)+bdef squared_loss(y_hat,y):return (y_hat-y.reshape(y_hat.shape))**2/2def sgd(params, lr, batch_size):"""小批量梯度下降"""with torch.no_grad():for param in params:  # 参数b和wparam -= lr*param.grad/batch_sizeparam.grad.zero_()if __name__ == '__main__':true_w = torch.tensor([2, -3.4])true_b = 4.2features, labels = synthetic_data(true_w,true_b,1000) # 生成数据集# 初始化模型参数w = torch.normal(0,0.01,(2,1),requires_grad=True)b = torch.zeros(1,requires_grad=True)# 定义超参数lr = 0.03num_epochs = 3batch_size = 15net = linearloss = squared_lossfor epoch in range(num_epochs):for X, y in data_iter(batch_size,features,labels):y_hat = linear(X,w,b)loss = squared_loss(y_hat,y)loss.sum().backward() # 进行反向传播得到梯度sgd((w,b),lr,batch_size)with torch.no_grad():train_l = squared_loss(net(features,w,b),labels)# print(train_l)print(f'epoch{epoch+1},loss{float(train_l.mean()):f}')"""
output：
epoch1,loss0.362755
epoch2,loss0.008698
epoch3,loss0.000259
"""

简洁实现

import torch
from d2l import torch as d2l
from torch.utils import data
from torch import nndef load_array(data_arrays, batch_size, is_train=True):"""构建一个pytorch数据迭代器"""dataset = data.TensorDataset(*data_arrays)return data.DataLoader(dataset, batch_size, shuffle=is_train)if __name__ == '__main__':true_w = torch.tensor([2, -3.4])true_b = 4.2features , labels = d2l.synthetic_data(true_w, true_b, 10000)batch_size = 10# 数据迭代器data_iter = load_array((features,labels),batch_size)print(next(iter(data_iter)))# 定义模型net = nn.Sequential(nn.Linear(2,1))# 初始化模型参数net[0].weight.data.normal_(0,0.01)net[0].bias.data.fill_(0)# 定义损失函数loss = nn.MSELoss()# 定义优化算法trainer = torch.optim.SGD(net.parameters(),0.03)# 模型训练num_epoch = 3for epoch in range(num_epoch):for X,y in data_iter:l = loss(net(X),y)trainer.zero_grad()l.backward()trainer.step() # 优化l = loss(net(features),labels)print(f'epoch{epoch+1},loss{l:f}')print(net[0].weight.data)"""
output:
epoch1,loss0.000099
epoch2,loss0.000100
epoch3,loss0.000099
tensor([[ 1.9998, -3.4005]])
"""

d2l_线性回归完整python程序相关推荐

含类定义的完整python程序_Python——变量，运算，条件，循环
Python Python开发 Python语言 Python--变量,运算,条件,循环注释 1.注释是什么注释就是给代码做的一些简短的说明,让我们更好的去理解代码,注意程序执行的时候,不会去执行 ...
含类定义的完整python程序_含是什么意思带含字的男孩名字用含字起名的寓意...
带含字的男孩名字,用含字起名: 含 (hán):含表示容纳.包容.怀有. 繁体:无繁体字; 部首:口,含为上下结构,姓名学笔画7画. 声调:阳平; 部首五行属水; 数理五行属金. 含81数理:(精悍) ...
含类定义的完整python程序_含是什么意思带含字的女孩名字用含字起名的寓意...
带含字的女孩名字,用含字起名: 含 (hán):含表示容纳.包容.怀有. 繁体:无繁体字; 部首:口,含为上下结构,姓名学笔画7画. 声调:阳平; 部首五行属水; 数理五行属金. 含81数理:(精悍) ...
含类定义的完整python程序_含是什么意思含字五行属什么
含字取名属性及五行属什么: 含字的拼音:han 含的繁体字:含(若无繁体,则显示本字) 含字的起名笔画数:7 含五行属什么:水含字的取名数理吉凶:吉含是否为姓氏:否说明:"含" ...
含类定义的完整python程序_《含》字意思读音、组词解释及笔画数 - 新华字典 - 911查询...
基本词义 ◎ 含 hán 〈动〉 (1) (形声.从口,今声.本义:含在嘴里) (2) 同本义 [keep in the mouth] 含,嗛也.--<说文> 含,口也,合口亭之也.衔亦然 ...
d2l_线性回归实现详解及代码
文章目录 1. 线性回归从零开始实现 1.1 生成数据集 1.2 读取数据集 1.3 初始化模型参数 1.4 定义模型 1.5定义损失函数 1.6 定义优化算法 1.7 训练 2. 线性回归简洁实现 ...
python基本原理概论_优学院《2020年马克思主义基本原理概论题库（高职类）》查题教程2020高校邦《Python程序设计基础【实境编程】》答案完整...
优学院<2020年马克思主义基本原理概论题库(高职类)>查题教程2020高校邦<Python程序设计基础[实境编程]>答案完整更多相关问题专业职业是相对以下哪点而言的(). ...
python程序设计基础第二版pdf下载_Python程序设计基础董付国课后答案-Python程序设计基础第二版清华大学出版社PDF电子版完整高清版-精品下载...
Python程序设计基础(第2版)完全面向Python 3.x,全部案例代码使用Python 3.5.x和Python 3.6.x编写,大部分内容也同样适用于Python 3.4.x.本书对Pytho ...
python从零基础到项目实战怎么样-2018完整Python零基础到项目精通的学习书籍
Python 是初学者的语言:Python 对初级程序员而言,是一种伟大的语言,它支持广泛的应用程序开发,从简单的文字处理到 WWW 浏览器再到游戏.Python编程语言的流行直线上升,如何学习好Py ...

d2l_线性回归完整python程序

从零实现

简洁实现

d2l_线性回归完整python程序相关推荐

最新文章

热门文章