1 import torch 2 import torch.nn.functional as F 3 4 # 1prepare dataset 5 x_data = torch.Tensor([[1.0], [2.0], [3.0]]) 6 y_data = torch.Tensor([[0], [0], [1]]) 7 8 9 # 2design model using class 10 class LogisticRegressionModel(torch.nn.Module): 11 def __init__(self): 12 super(LogisticRegressionModel, self).__init__() 13 self.linear = torch.nn.Linear(1, 1) 14 15 def forward(self, x): 16 #y_pred = F.sigmoid(self.linear(x)) 17 y_pred = torch.sigmoid(self.linear(x)) 18 return y_pred 19 model = LogisticRegressionModel() 20 21 # 3construct loss and optimizer 22 # 默认情况下,loss会基于element平均,如果size_average=False的话,loss会被累加。 23 # pytorch版本更新,损失函数更改size_average=False为reduction='sum' 24 # BCELoss是CrossEntropyLoss的一个特例,只用于二分类问题,而CrossEntropyLoss可以用于二分类,也可以用于多分类。 25 criterion = torch.nn.BCELoss(reduction='sum') 26 optimizer = torch.optim.SGD(model.parameters(), lr=0.01) 27 28 # 4training cycle forward, backward, update 29 for epoch in range(1000): 30 y_pred = model(x_data) 31 loss = criterion(y_pred, y_data) 32 print(epoch, loss.item()) 33 34 optimizer.zero_grad() 35 loss.backward() 36 optimizer.step() 37 38 print('w = ', model.linear.weight.item()) 39 print('b = ', model.linear.bias.item()) 40 41 x_test = torch.Tensor([[4.0]]) 42 y_test = model(x_test) 43 print('y_pred = ', y_test.data)
原文地址:http://www.cnblogs.com/zhouyeqin/p/16811084.html
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,请务用于商业用途!
3. 如果你也有好源码或者教程,可以到用户中心发布,分享有积分奖励和额外收入!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,默认解压密码为"gltf",如遇到无法解压的请联系管理员!
8. 因为资源和程序源码均为可复制品,所以不支持任何理由的退款兑现,请斟酌后支付下载
声明:如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性