使用pytorch创建神经网络并解决线性拟合和分类问题

最新推荐文章于 2024-06-27 17:58:47 发布

东方佑

最新推荐文章于 2024-06-27 17:58:47 发布

阅读量10w+

点赞数

CC 4.0 BY-SA版权

分类专栏： pyrhon 机器学习（深度学习）

本文链接：https://blog.csdn.net/weixin_32759777/article/details/91920432

机器学习（深度学习）同时被 2 个专栏收录

193 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

pyrhon

17 篇文章

订阅专栏

本文介绍了如何使用PyTorch创建神经网络来解决线性拟合和分类问题。首先展示了如何通过定义一个简单的神经网络模型进行线性拟合，并利用SGD优化器和MSELoss函数进行训练。接着，讨论了如何调整网络结构和使用CrossEntropyLoss解决分类问题。通过示例数据，动态展示了学习过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#线性拟合
import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt

torch.manual_seed(1) # reproducible

制作数据

x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shape=(100, 1)
y = x.pow(2) + 0.2*torch.rand(x.size()) # noisy y data (tensor), shape=(100, 1)

定义普通的神经网络

class Net(torch.nn.Module):
def init(self, n_feature, n_hidden, n_output):
super(Net, self).init()
self.hidden = torch.nn.Linear(n_feature, n_hidden) # hidden layer
self.predict = torch.nn.Linear(n_hidden, n_output) # output layer
# (hidden): Linear(in_features=1, out_features=10, bias=True)
#