pytorch两条线的线性回归

PyTorch 中的线性回归通常用于基础的机器学习入门示例，特别是当我们想要预测两个变量之间的简单线性关系时。对于两条线的线性回归，这实际上是指多元线性回归模型，其中有两个自变量（输入特征）。下面是一个简单的例子：

首先，我们需要导入必要的库：

import torch
import torch.nn as nn

然后定义一个包含两个输入特征（比如 x1 和 x2）和单个输出（y）的线性模型：

class LinearModel(nn.Module):
    def __init__(self):
        super(LinearModel, self).__init__()
        # 定义两个输入权重和一个偏置项
        self.linear = nn.Linear(2, 1)

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

在这个模型中，`nn.Linear(2, 1)` 表示一个从二维（2 输入通道）到一维（一个输出通道）的线性变换。

训练过程可以这样进行：

# 假设我们有输入数据 x_data (batch_size, 2) 和对应的标签 y_data (batch_size, 1)
model = LinearModel()
criterion = nn.MSELoss()  # 使用均方误差作为损失函数
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)  # 使用随机梯度下降优化

for epoch in range(num_epochs):  # 循环多次迭代
    optimizer.zero_grad()  # 梯度清零
    y_pred = model(x_data)  # 前向传播得到预测值
    loss = criterion(y_pred, y_data)  # 计算损失
    loss.backward()  # 反向传播计算梯度
    optimizer.step()  # 更新模型参数