pytorch线性/非线性回归拟合

一、线性回归

1. 导入依赖库

import numpy as np
import matplotlib.pyplot as plt
import torch
from torch import nn, optim
from torch.autograd import Variable

• numpy：用来构建数据
• matplotlib.pyplot： 将构建好的数据可视化
• torch.nn：包含了torch已经准备好的层，激活函数、全连接层等
• torch.optim：提供了神经网络的一系列优化算法，如 SGD、Adam 等
• torch.autograd：用来自动求导，计算梯度。其中Variable用来包装张量，使得张量能够支持自动求导，但在 PyTorch 0.4 及以后，已经被 Tensor 对象取代。

2. 构建数据

        首先确定一个线性函数，例如y_data = 0.1 * x_data + 0.2。然后在这条直线上加一些噪点，最后看神经网络是否能抵抗这些干扰点，拟合出正确的线性函数。

        只要做神经网络相关的数据处理，就一定要把数据转为张量（tensor）类型。然后想要实现梯度下降算法，就要把张量类型再转为Variable类型。

x_data = np.random.rand(100)
noise = np.random.normal(0, 0.01, x_data.shape)  # 构建正态分布噪点
y_data = x_data * 0.1 + 0.2 + noise

x_data = x_data.reshape(-1, 1)  # 把原始数据更改形状，自动匹配任意行，1列
y_data = y_data.reshape(-1, 1)

x_data =