首先,您需要在 Python 環境中安裝 PyTorch。最簡單的方法是 —使用 pip
或 conda
工具。訪問 pytorch.org 並安裝您想要使用的 Python 解釋器和包管理器版本。
# 我們可以在 Jupyter notebook 上運行這個 Python 代碼
# 自動安裝正確的版本
# PyTorch.
#http://pytorch.org / from os import path
from
wheel.pep425tags
import
get_abbr_impl, get_impl_ver, get_abi_tag
平台
=
`{} {} - {}`
.
format
(get_abbr_impl(), get_impl_ver(), get_abi_tag())
加速器
=
`cu80`
if
path.exists (
`/opt/bin/nvidia-smi`
)
else
`cpu`
! pip install
-
q http:
/
/
download.pytorch.org
/
whl
/
{加速器}
/
火炬
-
0.3
。
0.post4
-
{platform}
-
linux_x86_64.whl torchvision
安裝了 PyTorch,讓我們現在看代碼。
下面寫兩行,導入需要的庫函數和對象。
我們也定義了一些數據,賦值給變量x_data和y_data,如下:
這裡x_data & #8212;我們的自變量和 y_data —我們的因變量。這將是我們現在的數據集。接下來,我們需要定義我們的模型。定義我們的模型涉及兩個主要步驟。它們是:
我們使用下面的類:
如您所見,我們的 Model 類是 torch.nn.module 的子類。另外,由於我們這裡只有一個輸入和一個輸出,所以我們使用輸入輸出大小為1的線性模型。 接下來,我們創建這個模型的對象。
之後選擇優化器並損失標準。在這裡,我們將使用均方誤差 (MSE) 作為我們的損失函數,並使用隨機梯度下降 (SGD) 作為我們的優化器。我們還任意將學習率固定為 0.01。
鏈接 |