作者：新视觉9927 | 来源：互联网 | 2023-06-03 10:58
使用 PyTorch 的线性回归原文:https://www . geesforgeks . org/线性回归-使用-pytor
使用 PyTorch 的线性回归
原文:https://www . geesforgeks . org/线性回归-使用-pytorch/
线性回归是一种非常常用的统计方法，它允许我们确定和研究两个连续变量之间的关系。线性回归的各种属性及其 Python 实现已经在本文中介绍过了。现在，我们将了解如何在 PyTorch 中实现这一点，这是一个非常受欢迎的深度学习库，由脸书开发。
首先，您需要将 PyTorch 安装到 Python 环境中。最简单的方法是使用 pip 或 conda 工具。访问pytorch.org并安装您想要使用的 Python 解释器和包管理器版本。
Python 3
# We can run this Python code on a Jupyter notebook
# to automatically install the correct version of
# PyTorch.
# http://pytorch.org / from os import path
from wheel.pep425tags import get_abbr_impl, get_impl_ver, get_abi_tag
platform = '{}{}-{}'.format(get_abbr_impl(), get_impl_ver(), get_abi_tag())
accelerator = 'cu80' if path.exists('/opt / bin / nvidia-smi') else 'cpu'
! pip install -q http://download.pytorch.org / whl/{accelerator}/torch-1.3.1.post4-{platform}-linux_x86_64.whl torchvision
安装了 PyTorch 之后，现在让我们看一下代码。
写出下面给出的两行，导入必要的库函数和对象。
Python 3
import torch
from torch.autograd import Variable
我们还定义了一些数据，并将其分配给变量 x_data 和 y_data ，如下所示:
Python 3
x_data = Variable(torch.Tensor([[1.0], [2.0], [3.0]]))
y_data = Variable(torch.Tensor([[2.0], [4.0], [6.0]]))
这里， x_data 是我们的自变量， y_data 是我们的因变量。这将是我们目前的数据集。接下来，我们需要定义我们的模型。定义我们的模型有两个主要步骤。他们是:
- 初始化我们的模型。
- 声明向前传递。
我们使用下面给出的类:
Python 3
class LinearRegressionModel(torch.nn.Module):
def __init__(self):
super(LinearRegressionModel, self).__init__()
self.linear = torch.nn.Linear(1, 1) # One in and one out
def forward(self, x):
y_pred = self.linear(x)
return y_pred
可以看到，我们的模型类是 torch.nn.module 的子类。此外，由于这里只有一个输入和一个输出，我们使用输入和输出维度都为 1 的线性模型。
接下来，我们创建这个模型的一个对象。
Python 3
# our model
our_model = LinearRegressionModel()
京公网安备 11010802041100号