使用pytorch创建一个线性回归模型的代码

可以参考以下代码：

import torch
import torch.nn as nn

# 创建训练集数据
x_train = torch.randn(100, 1)  # 输入数据
y_train = 2 * x_train + 1 + torch.randn(100, 1) * 0.1  # 标签数据

# 定义线性回归模型
class LinearRegression(nn.Module):
    def __init__(self):
        super(LinearRegression, self).__init__()
        self.linear = nn.Linear(1, 1)

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

model = LinearRegression()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 模型训练
num_epochs = 1000
for epoch in range(num_epochs):
    inputs = x_train
    labels = y_train
    
    # 向前传播
    outputs = model(inputs)
    loss = criterion(outputs, labels)
    
    # 反向传播与优化
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    
    if (epoch+1) % 100 == 0:
        print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item()))

# 测试模型
model.eval()
with torch.no_grad():
    predict = model(x_train)
    
# 打印模型参数
print('模型参数：', model.state_dict())

注意：此处提供的代码仅供参考，实际使用时需要根据具体情况进行修改调整。