pytorch初学者简单示例
时间: 2023-10-20 22:27:18 浏览: 44
当然,我可以给你一个简单的PyTorch示例。下面是一个使用PyTorch的线性回归模型的示例:
```python
import torch
import torch.nn as nn
import torch.optim as optim
# 输入数据
x_train = torch.tensor([[1.0], [2.0], [3.0], [4.0]])
y_train = torch.tensor([[2.0], [4.0], [6.0], [8.0]])
# 定义模型
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
for epoch in range(100):
# 前向传播
y_pred = model(x_train)
# 计算损失
loss = criterion(y_pred, y_train)
# 反向传播和优化
optimizer.zero_grad()
loss.backward()
optimizer.step()
# 打印训练过程中的损失
if (epoch+1) % 10 == 0:
print(f'Epoch: {epoch+1}, Loss: {loss.item()}')
# 预测新数据
x_test = torch.tensor([[5.0]])
y_pred = model(x_test)
print(f'Prediction: {y_pred.item()}')
```
这个示例演示了如何使用PyTorch构建一个简单的线性回归模型并进行训练和预测。在这个示例中,我们定义了一个单一的神经元的线性层,使用均方误差作为损失函数,并使用随机梯度下降优化器进行参数优化。在训练过程中,我们迭代地进行前向传播、损失计算、反向传播和优化,最后得到最佳模型参数。最后,我们使用训练好的模型对新的输入数据进行预测。