pytorch简单程序
时间: 2023-10-18 13:27:00 浏览: 53
当然,我可以为您提供一个简单的PyTorch程序示例。以下是一个使用PyTorch进行线性回归的示例代码:
```python
import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
import matplotlib.pyplot as plt
# 创建训练数据
np.random.seed(0)
X = np.random.rand(100, 1)
y = 3 * X + 2 + 0.2 * np.random.randn(100, 1)
# 将数据转换为张量
X_tensor = torch.from_numpy(X).float()
y_tensor = torch.from_numpy(y).float()
# 定义线性回归模型
model = nn.Linear(1, 1)
# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)
# 训练模型
num_epochs = 1000
for epoch in range(num_epochs):
# 前向传播
outputs = model(X_tensor)
loss = criterion(outputs, y_tensor)
# 反向传播和优化
optimizer.zero_grad()
loss.backward()
optimizer.step()
# 打印损失值
if (epoch+1) % 100 == 0:
print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item()))
# 可视化结果
predicted = model(X_tensor).detach().numpy()
plt.plot(X, y, 'ro', label='Original data')
plt.plot(X, predicted, label='Fitted line')
plt.legend()
plt.show()
```
这个程序实现了简单的线性回归模型,使用随机生成的数据进行训练,并通过PyTorch的优化器进行参数更新。最后,我们使用matplotlib库将原始数据和拟合线进行可视化展示。
注意:在运行此代码之前,请确保已安装好PyTorch、NumPy和matplotlib库。