zoukankan      html  css  js  c++  java
  • pytorch实现回归任务

    完整代码:

    import torch
    import torch.nn.functional as F
    from torch.autograd import Variable
    import matplotlib.pyplot as plt
    import torch.optim as optim
    
    #生成数据
    #随机取100个-1到1之间的数,利用unsqueeze将一维变成二维
    x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)
    y = x.pow(2) + 0.2*torch.rand(x.size())
    
    #神经网络只能接受Variable的数
    x,y = Variable(x),Variable(y)
    
    #绘制图像
    plt.scatter(x.data.numpy(), y.data.numpy())
    #plt.show()
    
    
    #定义网络
    class Net(torch.nn.Module):
        def __init__(self, n_feature, n_hidden, n_output):
            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):
            x = F.relu(self.hidden(x))
            x = self.predict(x)
            return x
    
    net = Net(1, 10, 1)
    #print(net)  
    
    
    #优化
    optimizer = optim.SGD(net.parameters(), lr=0.5)
    loss_func = torch.nn.MSELoss()
    
    #可视化
    plt.ion()
    #plt.show()
    
    for t in range(100):
        prediction = net(x)
        loss = loss_func(prediction, y) #预测值和真实值
    
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        #可视化
        if t % 5 == 0:
            plt.cla()
            plt.scatter(x.data.numpy(), y.data.numpy())
            plt.plot(x.data.numpy(), prediction.data.numpy(), 'r-', lw=5)
            plt.text(0.5, 0, 'Loss=%.4f' % loss.item(), fontdict={'size': 20, 'color':  'red'})
            plt.pause(0.1)
    
    plt.ioff()
    plt.show()

    在我运行代码是,出现过以下报错:

    IndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor to a Python

    这是因为我的pytorch版本比较高,将代码plt.text(0.5, 0, 'Loss=%.4f' % loss.data[0], fontdict={'size': 20, 'color': 'red'})改为plt.text(0.5, 0, 'Loss=%.4f' % loss.item(), fontdict={'size': 20, 'color': 'red'})就好了

    
    
  • 相关阅读:
    window安装php的mongodb扩展
    Android NDK开发步骤(r9)
    osgViewer销毁bug
    C/C++ typedef用法
    Java并发编程:Lock
    java中构造器(Constructor)
    进程和线程关系及区别
    Java总结篇系列:Java泛型
    在powerdesigner中创建物理数据模型
    非常好的理解遗传算法的例子
  • 原文地址:https://www.cnblogs.com/loyolh/p/12290743.html
Copyright © 2011-2022 走看看