pytochを使ってリニア回帰を実現

本論文の例では、pytochの線形回帰を実現する具体的なコードを共有します。
線形回帰は、モデルを定義し、損失関数を選択し、最適化関数を選択し、 トレーニングデータ、テスト

import torch
import matplotlib.pyplot as plt
#      
x_data= torch.Tensor([[1.0],[2.0],[3.0],[4.0],[5.0],[6.0]])
y_data= torch.Tensor([[2.0],[4.0],[6.0],[8.0],[10.0],[12.0]])
#    
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()
#             
criterion= torch.nn.MSELoss(size_average= False)
#          SGD
#                    ，SGD ASGD    ，             
optimizer= torch.optim.SGD(model.parameters(),lr=0.01)
# ASGD
# optimizer= torch.optim.ASGD(model.parameters(),lr=0.01)
# optimizer= torch.optim.Adagrad(model.parameters(), lr= 0.01)
# optimizer= torch.optim.RMSprop(model.parameters(), lr= 0.01)
# optimizer= torch.optim.Adamax(model.parameters(),lr= 0.01)
#   
epoch_list=[]
loss_list=[]
for epoch in range(100):
    y_pred= model(x_data)
    loss= criterion(y_pred, y_data)
    epoch_list.append(epoch)
    loss_list.append(loss.item())
    print(epoch, loss.item())
 
    optimizer.zero_grad() #    
    loss.backward()  #    
    optimizer.step() #    
 
print("w= ", model.linear.weight.item())
print("b= ",model.linear.bias.item())
 
x_test= torch.Tensor([[7.0]])
y_test= model(x_test)
print("y_pred= ",y_test.data)
 
plt.plot(epoch_list, loss_list)
plt.xlabel("epoch")
plt.ylabel("loss_val")
plt.show()

SGD最適化器画像を使う:                                                      

ASGD最適化器画像を使う:

Adagrad最適化器の画像を使用します。                                                 

Adamax最適化器画像を使用します。

以上が本文の全部です。皆さんの勉強に役に立つように、私たちを応援してください。