pytorch实现线性回归

首先，我们需要导入 PyTorch 包：

import torch

然后，我们定义输入数据和目标输出：

# 输入数据
x_data = torch.Tensor([[1.0], [2.0], [3.0], [4.0]])

# 目标输出
y_data = torch.Tensor([[2.0], [4.0], [6.0], [8.0]])

接下来，我们定义模型。这里我们使用 PyTorch 中的 `nn.Module` 类来定义一个线性回归模型：

class LinearRegressionModel(torch.nn.Module):

    def __init__(self):
        super(LinearRegressionModel, self).__init__()
        self.linear = torch.nn.Linear(1, 1)

    def forward(self, x):
        y_pred = self.linear(x)
        return y_pred

在模型中，我们定义了一个包含一个线性层的神经网络。该层接收一个输入特征，并输出一个标量结果。

接下来，我们创建一个模型实例，并定义损失函数和优化器：

# 创建模型实例
model = LinearRegressionModel()

# 定义损失函数
criterion = torch.nn.MSELoss()

# 定义优化器
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

在训练过程中，我们需要迭代多次，每次都计算模型的输出、损失和梯度，并更新模型参数：

# 迭代训练模型
for epoch in range(1000):

    # 前向传播
    y_pred = model(x_data)

    # 计算损失
    loss = criterion(y_pred, y_data)

    # 反向传播
    optimizer.zero_grad()
    loss.backward()

    # 更新模型参数
    optimizer.step()

    # 每 100 次迭代输出一次损失
    if (epoch+1) % 100 == 0:
        print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, 1000, loss.item()))

在训练完成后，我们可以使用模型进行预测：

# 预测结果
y_pred = model(torch.Tensor([[5.0]]))
print('预测结果: {:.2f}'.format(y_pred.item()))

完整代码如下：

import torch

# 输入数据
x_data = torch.Tensor([[1.0], [2.0], [3.0], [4.0]])

# 目标输出
y_data = torch.Tensor([[2.0], [4.0], [6.0], [8.0]])

class LinearRegressionModel(torch.nn.Module):

    def __init__(self):
        super(LinearRegressionModel, self).__init__()
        self.linear = torch.nn.Linear(1, 1)

    def forward(self, x):
        y_pred = self.linear(x)
        return y_pred

# 创建模型实例
model = LinearRegressionModel()

# 定义损失函数
criterion = torch.nn.MSELoss()

# 定义优化器
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 迭代训练模型
for epoch in range(1000):

    # 前向传播
    y_pred = model(x_data)

    # 计算损失
    loss = criterion(y_pred, y_data)

    # 反向传播
    optimizer.zero_grad()
    loss.backward()

    # 更新模型参数
    optimizer.step()

    # 每 100 次迭代输出一次损失
    if (epoch+1) % 100 == 0:
        print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, 1000, loss.item()))

# 预测结果
y_pred = model(torch.Tensor([[5.0]]))
print('预测结果: {:.2f}'.format(y_pred.item()))