Pytroch学習ノート(1)--関係フィット(回帰)|モヴァンpython
1410 ワード
Pytroch学習ノート(1)-関係フィット(回帰)|モヴァンpython
本論文ではPytorchを用いて単純なニューラルネットワークを構築し,データの中で彼らの関係を見つけることができ,その後ニューラルネットワークモデルを用いて彼らの関係を表す線を構築した.
本論文ではPytorchを用いて単純なニューラルネットワークを構築し,データの中で彼らの関係を見つけることができ,その後ニューラルネットワークモデルを用いて彼らの関係を表す線を構築した.
import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt
x = torch.unsqueeze(torch.linspace(-1,1,100),dim=1)
y= x.pow(2) + torch.rand(x.size())
""""
plt.scatter(x.data.numpy(),y.data.numpy())
plt.show()
"""""
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(n_feature=1,n_hidden= 10,n_output = 1)
print(net)
optimizer = torch.optim.SGD(net.parameters(), lr=0.2)
loss_func = torch.nn.MSELoss()
plt.ion()
for t in range(100):
prediction = net(x)
loss = loss_func(prediction, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
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.data.numpy(),fontdict={'size':20,'color':'red'})
plt.pause(0.1)
plt.ioff()
plt.show()