我只有100个数据的数据集，请用pytorch帮我写一个针对小数据集的流量预测代码。不要解释，直接给出代码

首先，请确保您已经安装了 PyTorch 和所需的其他库。

以下是一个示例代码，用于基于线性回归的流量预测：

import torch
from torch.utils.data import DataLoader, TensorDataset

# 设置随机种子
torch.manual_seed(0)

# 准备数据
x_train = # 您的训练数据（特征）
y_train = # 您的训练标签（流量）
train_data = TensorDataset(x_train, y_train)
train_loader = DataLoader(train_data, batch_size=32, shuffle=True)

# 定义模型
class LinearRegression(torch.nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = torch.nn.Linear(in_features=x_train.shape[1], out_features=1)

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

model = LinearRegression()

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

# 训练模型
num_epochs = 100
for epoch in range(num_epochs):
    for x_batch, y_batch in train_loader:
        y_pred = model(x_batch)
        loss = criterion(y_pred, y_batch)

        # 反向传播和优化
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

# 测试模型
x_test = # 您的测试数据（特征）
y_test = # 您的测试标签（流量）
with torch.no_grad():
    y_test_pred = model(x_test)
    test_loss = criterion(y_test_pred, y_test)
    print(f"Test Loss: {test_loss:.4f}")

请注意，这只是一个示例代码。您需要根据您的数据集和需求来调整代码。