paddle逻辑回归案例

Paddle，即PyTorch的开源版本，也是一款强大的深度学习框架。逻辑回归在Paddle上非常常见，它用于二分类问题。下面是一个简单的Paddle Paddle（飞桨）中逻辑回归的案例：

import paddle

# 定义数据
x_data = paddle.to_tensor([[0., 0.], [0., 1.], [1., 0.], [1., 1.]])
y_label = paddle.to_tensor([[0], [1], [1], [0]])

# 初始化模型参数
w = paddle.ParamAttr(initializer=Constant(value=paddle.rand([1, 2])))
b = paddle.ParamAttr(initializer=Constant(value=0.))

# 创建线性层
linear = paddle.nn.Linear(in_features=2, out_features=1, weight_attr=w, bias_attr=b)

# 定义sigmoid激活函数
sigmoid = paddle.nn.Sigmoid()

# 定义损失函数
loss_fn = paddle.nn.CrossEntropyLoss()

# 定义优化器
optimizer = paddle.optimizer.SGD(learning_rate=0.01, parameters=model.parameters())

for epoch in range(100):
    # 前向传播
    y_pred = sigmoid(linear(x_data))
    
    # 计算损失
    loss = loss_fn(y_pred, y_label)
    
    # 反向传播和更新权重
    loss.backward()
    optimizer.step()
    optimizer.clear_grad()
    
    print(f"Epoch {epoch+1}, Loss: {loss.numpy()}")