【深度学习实战】迈出第一步------编写第一个神经网络

前记

其实刚开始记录这个内容的时候，自己的内心是很纠结的，因为这本就不是我应该纠结的内容，coding是一个程序员必备的技能,不管他是处在一个什么岗位，但是自己貌似走入了一个误区，关于DeepLearning这一块，我一直在跑别人的代码，自认为理论熟悉了，代码写起来不就是小case么，自己是错了，因为，自己在写的时候，发现根本就写不出来，神经网络就是个黑盒子，看的轮子再多，自己没造一个轮子的话，那么万一轮子不存在呢？

有错误，就需要改正，有改正，就有进步，追着光亮那方......

回归函数

根据自己的经验（学习的经验），我们在构建网络时，不管是用Pytorch还是TensorFlow，最重要的是弄懂你需要计算的神经网络的结果，在TensorFlow里面叫做定义计算图（Compute Graph）,这个内容是有助于我们理清思路，这对于刚写神经网络的我们来说好处是无比巨大的，现在养成一个好习惯，不论是多么复杂，多少层的神经网络，在计算之前，画出计算图，你会发现神经网络这个黑盒子或许不再黑了.....

好吧，扯了这么多，我们开始步入我们正题吧，在这里，我是自己生成训练数据以及训练结果，定义的数据之后，我们将其采用点图的形式画出来，代码如下：

# 生成训练数据
x=torch.unsqueeze(torch.linspace(-1,1,100),dim=1)
y=x.pow(2)+0.2*torch.rand(x.size())
# 查看x,y的形状
print(x.shape，y.shape)

然后我们看出生成的结果：

接下来就是定义我们的神经网络结构，在这里，我只是简单的定义一层网络结构，想让这层神经网络学习出我们想要的结果，按照之前说的，我们先画出计