如何用pytorch实现线性回归模型

可以使用PyTorch库中的torch.nn.Module和torch.optim来实现线性回归模型。具体实现方法如下：

1. 导入所需的库：

import torch
from torch import nn, optim

2. 定义线性回归模型：

class LinearRegressionModel(nn.Module):
    def __init__(self, input_size, output_size):
        super(LinearRegressionModel, self).__init__()
        self.linear = nn.Linear(input_size, output_size)

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

3. 定义损失函数和优化器：

model = LinearRegressionModel(input_size, output_size)
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=learning_rate)

4. 训练模型：

for epoch in range(num_epochs):
    # Forward pass
    outputs = model(inputs)
    loss = criterion(outputs, labels)

    # Backward and optimize
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    # Print progress
    if (epoch+1) % 5 == 0:
        print ('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item()))

其中，inputs和labels是训练数据集和标签，num_epochs和learning_rate是超参数，需要手动调整。