Линейная регрессия с использованием PyTorch

критерий = torch.nn.MSELoss (size_average = False )

оптимизатор = torch.optim.SGD(our_model.parameters(), lr = 0.01 )

Теперь мы подошли к этапу обучения. Во время обучения мы выполняем следующие задачи 500 раз:

1. Выполняем передачу в реальном времени, передавая наши данные и вычисляя прогнозируемое значение y.
2. Рассчитайте потери с помощью MSE.
3. Сбросьте все градиенты до 0, выполните обратное распространение, а затем обновите веса.

для эпохи в диапазон ( 500 ):

# Прямой проход: вычисление предсказанного y путем передачи

#x к модели

pred_y = our_model (x_data)

# Вычислить и потерять печать

потеря = критерий (pred_y, y_data)

# Нулевые градиенты, возврат

# и обновить вес.

optimizer.zero_grad()

loss.backward()

optimizer.step()

печать ( ` эпоха {}, потеря {} ` . format (epoch, loss.data[ 0 ]))

После завершения обучения мы проверяем, получаем ли мы правильные результаты, используя модель, которую мы определили. Поэтому мы проверяем его на наличие неизвестного значения x_data, в данном случае 4.0.

new_var = Variable (torch.Tensor ([[[ 4.0 ] ]))

pred_y = our_model ( new_var)

print ( "прогнозировать (после обучения)" , 4 , our_model( new_var) .data [ 0 ] [ 0 ])

Если вы правильно выполнили все шаги, вы увидите, что для записи 4.0 вы получаете значение очень близко к 8,0, как показано ниже. Таким образом, наша модель изучает отношения между вводом и выводом без явного программирования.

предсказать (после обучения) 4 7,966438293457031

Для справки вы можете найти весь код для этой статьи ниже:

import torch

from torch.autograd import Переменная

x_data = Переменная (torch.Tensor ([[ 1.0 ], [ 2.0 ], [ 3.0 ]]))

y_data = <класс кода = "обычный"> V ariable(torch.Tensor([[ 2.0 ], [ 4.0 ], [ 6.0 ]]))

class LinearRegressionModel (torch.nn.Module):

def __ init __ ( self ):

super (LinearRegressionModel, self ) .__ init __ ()

self . linear = torch.nn.Linear ( 1 , 1 ) # Один ввод и один выход

def forward ( self , x):

y_pred = self . linear (x)

return y_pred

# наша модель

our_model = LinearRegressionModel ()

критерий = torch.nn.MSELoss (size_average = False )

оптимизатор = torch.optim. SGD (our_model.parameters(), lr = 0.01 )

for эпоха in диапазон ( 500 ):

# Прямой проход: вычисление предсказанного y путем передачи

# —… моделировать

pred_y = our_model (x_data)