PyTorch 示例

PyTorch 是一个流行的开源机器学习库，用于应用深度学习。以下是一些常见的 PyTorch 示例：

• 线性回归：用于预测数值型输出。
• 逻辑回归：用于预测二分类问题。
• 神经网络：构建复杂的深度学习模型。

PyTorch Logo

以下是一个简单的 PyTorch 线性回归示例：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义模型
class LinearRegression(nn.Module):
    def __init__(self):
        super(LinearRegression, self).__init__()
        self.linear = nn.Linear(1, 1)  # 1 输入特征，1 输出特征

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

# 实例化模型
model = LinearRegression()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# 创建一些随机数据
x = torch.randn(100, 1)
y = 3 * x + 2 + torch.randn(100, 1)

# 训练模型
for epoch in range(100):
    optimizer.zero_grad()
    outputs = model(x)
    loss = criterion(outputs, y)
    loss.backward()
    optimizer.step()

    if epoch % 10 == 0:
        print(f'Epoch {epoch+1}, Loss: {loss.item()}')

# 模型保存
torch.save(model.state_dict(), 'linear_regression_model.pth')

更多关于 PyTorch 的信息，请访问我们的 [PyTorch 教程](/PyTorch_tutorials) 页面。