PyTorch實現(xiàn)線性回歸詳細過程

更新時間：2022年03月09日 17:13:45 作者：心?升明月

本文介紹PyTorch實現(xiàn)線性回歸，線性關系是一種非常簡單的變量之間的關系，因變量和自變量在線性關系的情況下，可以使用線性回歸算法對一個或多個因變量和自變量間的線性關系進行建模，該模型的系數(shù)可以用最小二乘法進行求解,需要的朋友可以參考一下

一、實現(xiàn)步驟

1、準備數(shù)據(jù)

x_data = torch.tensor([[1.0],[2.0],[3.0]])
y_data = torch.tensor([[2.0],[4.0],[6.0]])

2、設計模型

class LinearModel(torch.nn.Module):
? ? def __init__(self):
? ? ? ? super(LinearModel,self).__init__()
? ? ? ? self.linear = torch.nn.Linear(1,1)
? ? ? ??
? ? def forward(self, x):
? ? ? ? y_pred = self.linear(x)
? ? ? ? return y_pred
? ? ? ??
model = LinearModel() ?

3、構造損失函數(shù)和優(yōu)化器

criterion = torch.nn.MSELoss(reduction='sum')
optimizer = torch.optim.SGD(model.parameters(),lr=0.01)

4、訓練過程

epoch_list = []
loss_list = []
w_list = []
b_list = []
for epoch in range(1000):
? ? y_pred = model(x_data)?? ??? ??? ??? ??? ? ?# 計算預測值
? ? loss = criterion(y_pred, y_data)?? ?# 計算損失
? ? print(epoch,loss)
? ??
? ? epoch_list.append(epoch)
? ? loss_list.append(loss.data.item())
? ? w_list.append(model.linear.weight.item())
? ? b_list.append(model.linear.bias.item())
? ??
? ? optimizer.zero_grad() ? # 梯度歸零
? ? loss.backward() ? ? ? ? # 反向傳播
? ? optimizer.step() ? ? ? ?# 更新

5、結果展示

展示最終的權重和偏置：

# 輸出權重和偏置
print('w = ',model.linear.weight.item())
print('b = ',model.linear.bias.item())

結果為：

w = 1.9998501539230347
b = 0.0003405189490877092

模型測試：

# 測試模型
x_test = torch.tensor([[4.0]])
y_test = model(x_test)
print('y_pred = ',y_test.data)

y_pred = ?tensor([[7.9997]])

分別繪制損失值隨迭代次數(shù)變化的二維曲線圖和其隨權重與偏置變化的三維散點圖：

# 二維曲線圖
plt.plot(epoch_list,loss_list,'b')
plt.xlabel('epoch')
plt.ylabel('loss')
plt.show()

# 三維散點圖
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(w_list,b_list,loss_list,c='r')
#設置坐標軸
ax.set_xlabel('weight')
ax.set_ylabel('bias')
ax.set_zlabel('loss')
plt.show()

結果如下圖所示：