pytorch 实现多元线性回归

在PyTorch中实现多元线性回归可以通过以下步骤完成：

1. 导入所需的库和模块：

import torch
import torch.nn as nn
import torch.optim as optim

2. 准备数据：

# 输入特征
x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]], dtype=torch.float32)

# 目标值
y = torch.tensor([[4], [7], [10], [13]], dtype=torch.float32)

3. 定义模型：

class LinearRegression(nn.Module):
    def __init__(self, input_size, output_size):
        super(LinearRegression, self).__init__()
        self.linear = nn.Linear(input_size, output_size)
    
    def forward(self, x):
        return self.linear(x)

4. 实例化模型和损失函数：

model = LinearRegression(input_size=3, output_size=1)
criterion = nn.MSELoss()

5. 定义优化器：

optimizer = optim.SGD(model.parameters(), lr=0.01)

6. 训练模型：

num_epochs = 1000
for epoch in range(num_epochs):
    # 前向传播
    outputs = model(x)
    loss = criterion(outputs, y)
    
    # 反向传播和优化
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    
    # 每100个epoch打印一次损失值
    if (epoch+1) % 100 == 0:
        print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item()))

7. 使用模型进行预测：

# 输入特征
test_input = torch.tensor([[2, 3, 4]], dtype=torch.float32)

# 预测
predicted = model(test_input)
print('Predicted value:', predicted.item())