python引入paddle库写一个线性回归代码

在Python中，Paddle（飞桨）是一个开源的人工智能计算框架，主要用于深度学习。下面是一个简单的例子，展示如何使用Paddle库编写线性回归模型：

# 首先需要安装Paddle，如果还没有安装可以运行 `pip install paddlepaddle`
import paddle

# 定义数据（这里假设我们有一个二维的输入特征x和对应的标签y）
x_data = paddle.rand([100, 1])  # 100个样本，每个样本有1个特征
y_data = paddle.rand([100, 1])  # 目标值，也是100个样本，每个样本一个数值

# 创建线性模型，它只有一个权重w和偏置b
model = paddle.nn.Linear(1, 1)  # 输入维度1，输出维度1

# 定义损失函数（在这里我们用均方误差MSE）
loss_fn = paddle.nn.MSELoss()

# 使用梯度下降优化器
optimizer = paddle.optimizer.SGD(learning_rate=0.01)

for epoch in range(100):  # 训练100轮
    # 前向传播
    y_pred = model(x_data)
    
    # 计算损失
    loss = loss_fn(y_pred, y_data)
    
    # 反向传播并更新参数
    loss.backward()
    optimizer.step()
    optimizer.clear_grad()  # 清除梯度

    # 打印当前轮次的训练损失
    print(f"Epoch {epoch+1}, Loss: {loss.numpy()}")

这个例子中，我们首先创建了一个线性模型，然后通过训练数据调整模型的权重和偏置，使得模型的预测尽可能接近真实目标值。