pytorch神经网络学习笔记(2)

妖狐艹你老母 2023-02-22 05:11 139阅读 0赞

# 用python搭建了个简单的神经网络 #

关系拟合

import torch
    from torch.autograd import Variable
    import torch.nn.functional as F
    import matplotlib.pyplot as plt
    
    x = torch.unsqueeze(torch.linspace(-1,1,100),dim=1)
    # unsqueeze把一维数据变成二维数据
    # torch当中只能处理二维数据
    y = x.pow(2)+0.2*torch.rand(x.size())
    #y=x^2+一些噪点的影响 
    
    x,y =Variable(x),Variable(y)
    #因为神经网络只能输入Variable
    
    #plt.scatter(x.data.numpy(),y.data.numpy())
    #打印散点图
    #plt.show()
    
    class Net(torch.nn.Module):#继承torch的一个模块
        def __init__(self,n_feature,n_hidden,n_output):
            #n_feature输入层,n_hidden隐藏层,n_output输出层
            super(Net,self).__init__()
            self.hidden = torch.nn.Linear(n_feature,n_hidden)
            self.predict = torch.nn.Linear(n_hidden,n_output)
    
        def forward(self,x):#搭建神经网络前向传递的一些过程
            x = F.relu(self.hidden(x))
            x = self.predict(x)
            return x
    
    net = Net(1,10,1)
    print(net)
    
    #可视化
    plt.ion()
    plt.show()
    
    optimizer = torch.optim.SGD(net.parameters(),lr=0.5)
    #优化神经网络，传递参数，lr是学习效率，也是梯度下降幅度
    loss_func = torch.nn.MSELoss()
    #均方差
    
    #训练
    for t in range(100):
        prediction = net(x)
    
        loss = loss_func(prediction,y)
        #计算误差，prediction是预测值，y是真实值
    
        optimizer.zero_grad()
        #梯度全部设为0
        loss.backward()
        #反向传递
        optimizer.step()
        #以lr来优化梯度
    
        if t%5==0:
            #画出学习过程
            plt.cla()
            #清屏
            plt.scatter(x.data.numpy(),y.data.numpy())
            #画散点图
            plt.plot(x.data.numpy(),prediction.data.numpy(),'r-','lw=5')
            #画线
            plt.text(0.5,0,'Loss=%.4f' % loss.item(),fontdict={ 'size':20,'color':'red'})
            #画误差值
            plt.pause(0.5)
            #每隔0.5秒画一次
    
    plt.ioff()
    plt.show()

![在这里插入图片描述][20200701195550379.gif_pic_center]  
gif图动态展示搭建的效果

参考：莫烦python教学

[20200701195550379.gif_pic_center]: https://img-blog.csdnimg.cn/20200701195550379.gif#pic_center