写一个有监督二元分类的PyTorch 模型
时间: 2023-05-11 11:02:54 浏览: 57
好的,我可以回答这个问题。以下是一个简单的有监督二元分类的 PyTorch 模型的代码示例:
```
import torch
import torch.nn as nn
import torch.optim as optim
class BinaryClassifier(nn.Module):
def __init__(self, input_size, hidden_size, output_size):
super(BinaryClassifier, self).__init__()
self.fc1 = nn.Linear(input_size, hidden_size)
self.relu = nn.ReLU()
self.fc2 = nn.Linear(hidden_size, output_size)
self.sigmoid = nn.Sigmoid()
def forward(self, x):
out = self.fc1(x)
out = self.relu(out)
out = self.fc2(out)
out = self.sigmoid(out)
return out
# 定义模型参数
input_size = 10
hidden_size = 5
output_size = 1
# 初始化模型
model = BinaryClassifier(input_size, hidden_size, output_size)
# 定义损失函数和优化器
criterion = nn.BCELoss()
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
optimizer.zero_grad()
loss.backward()
optimizer.step()
# 打印损失
print('Epoch {}: Loss = {}'.format(epoch+1, loss.item()))
```
这个模型使用了一个包含一个隐藏层的神经网络,使用 ReLU 激活函数和 Sigmoid 输出层。损失函数使用了二元交叉熵损失函数,优化器使用了随机梯度下降。在训练过程中,我们对模型进行了100次迭代,并打印了每次迭代的损失。