# -*- coding: utf-8 -*- # Author : szy # Create Date : 2019/10/25 #知识点一关系拟合 (回归) #step1:建立数据集 import torch import matplotlib.pyplot as plt #一元二次函数: y = a * x^2 + b, 我们给 y 数据加上一点噪声来更加真实的展示它. x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) y = x.pow(2) + 0.2*torch.rand(x.size()) # 画图 plt.scatter(x.data.numpy(), y.data.numpy()) plt.show() #step2:建立神经网络 #运用 torch 中的体系. 先定义所有的层属性(__init__()), 然后再一层层搭建(forward(x))层于层的关系链接. 建立关系的时候, 我们会用到激励函数, import torch import torch.nn.functional as F # 激励函数都在这 class Net(torch.nn.Module): # 继承 torch 的 Module def __init__(self, n_feature, n_hidden, n_output): super(Net, self).__init__() # 继承 __init__ 功能 # 定义每层用什么样的形式 self.hidden = torch.nn.Linear(n_feature, n_hidden) # 隐藏层线性输出 self.predict = torch.nn.Linear(n_hi
