利用Pytorch实现简单的线性回归算法


Posted in Python onJanuary 15, 2020

最近听了张江老师的深度学习课程,用Pytorch实现神经网络预测,之前做Titanic生存率预测的时候稍微了解过Tensorflow,听说Tensorflow能做的Pyorch都可以做,而且更方便快捷,自己尝试了一下代码的逻辑确实比较简单。

Pytorch涉及的基本数据类型是tensor(张量)和Autograd(自动微分变量),对于这些概念我也是一知半解,tensor和向量,矩阵等概念都有交叉的部分,下次有时间好好补一下数学的基础知识,不过现阶段的任务主要是应用,学习掌握思维和方法即可,就不再深究了。tensor和ndarray可以相互转换,python的numpy库中的命令也都基本适用。

一些基本的代码:

import torch #导入torch包
x = torch.rand(5, 3) #产生一个5*3的tensor,在 [0,1) 之间随机取值
y = torch.ones(5, 3) #产生一个5*3的Tensor,元素都是1 
#和numpy的命令一致

#tensor的运算
z = x + y #两个tensor可以直接相加
q = x.mm(y.transpose(0, 1)) #x乘以y的转置 mm为矩阵的乘法,矩阵相乘必须某一个矩阵的行与另一个矩阵的列相等

##Tensor与numpy.ndarray之间的转换
import numpy as np  #导入numpy包
a = np.ones([5, 3])  #建立一个5*3全是1的二维数组(矩阵)
b = torch.from_numpy(a)  #利用from_numpy将其转换为tensor
c = torch.FloatTensor(a) #另外一种转换为tensor的方法,类型为FloatTensor,还可以使LongTensor,整型数据类型
b.numpy() #从一个tensor转化为numpy的多维数组

from torch.autograd import Variable #导入自动梯度的运算包,主要用Variable这个类
x = Variable(torch.ones(2, 2), requires_grad=True)  #创建一个Variable,包裹了一个2*2张量,将需要计算梯度属性置为True

下面用pytorch做一个简单的线性关系预测

线性关系是一种非常简单的变量之间的关系,因变量和自变量在线性关系的情况下,可以使用线性回归算法对一个或多个因变量和自变量间的线性关系进行建模,该模型的系数可以用最小二乘法进行求解。生活中的场景往往会比较复杂,需要考虑多元线性关系和非线性关系,用其他的回归分析方法求解。

这里po上代码:

#人为生成一些样本点作为原始数据
x = Variable(torch.linspace(0, 100).type(torch.FloatTensor)) 
rand = Variable(torch.randn(100)) * 10 #随机生成100个满足标准正态分布的随机数,均值为0,方差为1.将这个数字乘以10,标准方差变为10
y = x + rand #将x和rand相加,得到伪造的标签数据y。所以(x,y)应能近似地落在y=x这条直线上

import matplotlib.pyplot as plt #导入画图的程序包
plt.figure(figsize=(10,8)) #设定绘制窗口大小为10*8 inch
plt.plot(x.data.numpy(), y.data.numpy(), 'o') #绘制数据,考虑到x和y都是Variable,需要用data获取它们包裹的Tensor,并专成numpy
plt.xlabel('X') 
plt.ylabel('Y') 
plt.show()

图示:

利用Pytorch实现简单的线性回归算法

训练模型:

#a,b就是要构建的线性函数的系数
a = Variable(torch.rand(1), requires_grad = True) #创建a变量,并随机赋值初始化
b = Variable(torch.rand(1), requires_grad = True) #创建b变量,并随机赋值初始化
print('Initial parameters:', [a, b])

learning_rate = 0.0001 #设置学习率
for i in range(1000):
  ### 增加了这部分代码,清空存储在变量a,b中的梯度信息,以免在backward的过程中会反复不停地累加
  if (a.grad is not None) and (b.grad is not None): 
    a.grad.data.zero_() 
    b.grad.data.zero_() 
  predictions = a.expand_as(x) * x+ b.expand_as(x) #计算在当前a、b条件下的模型预测数值
  loss = torch.mean((predictions - y) ** 2) #通过与标签数据y比较,计算误差
  print('loss:', loss)

  loss.backward() #对损失函数进行梯度反传,backward的方向传播算法
  a.data.add_(- learning_rate * a.grad.data) #利用上一步计算中得到的a的梯度信息更新a中的data数值
  b.data.add_(- learning_rate * b.grad.data) #利用上一步计算中得到的b的梯度信息更新b中的data数值

##拟合
x_data = x.data.numpy() 
plt.figure(figsize = (10, 7))
xplot = plt.plot(x_data, y.data.numpy(), 'o') # 绘制原始数据
yplot = plt.plot(x_data, a.data.numpy() * x_data + b.data.numpy()) #绘制拟合数据
plt.xlabel('X') 
plt.ylabel('Y') 
str1 = str(a.data.numpy()[0]) + 'x +' + str(b.data.numpy()[0]) #图例信息
plt.legend([xplot, yplot],['Data', str1]) #绘制图例
plt.show()

图示:

利用Pytorch实现简单的线性回归算法

测试:

x_test = Variable(torch.FloatTensor([1, 2, 10, 100, 1000])) #随便选择一些点1,2,……,1000
predictions = a.expand_as(x_test) * x_test + b.expand_as(x_test) #计算模型的预测结果
predictions #输出

ok,大功告成,可以看到用pytorch做机器学习确实无论是准确度还是方便性都有优势,继续探索学习。

以上这篇利用Pytorch实现简单的线性回归算法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python模仿POST提交HTTP数据及使用Cookie值的方法
Nov 10 Python
Python使用scrapy采集数据过程中放回下载过大页面的方法
Apr 08 Python
python实现二叉树的遍历
Dec 11 Python
在Python中实现替换字符串中的子串的示例
Oct 31 Python
如何用Python来搭建一个简单的推荐系统
Aug 07 Python
python多任务之协程的使用详解
Aug 26 Python
python文字转语音实现过程解析
Nov 12 Python
关于pytorch中全连接神经网络搭建两种模式详解
Jan 14 Python
Django 实现对已存在的model进行更改
Mar 28 Python
Django中从mysql数据库中获取数据传到echarts方式
Apr 07 Python
Mysql数据库反向生成Django里面的models指令方式
May 18 Python
在python中使用pyspark读写Hive数据操作
Jun 06 Python
pytorch实现线性拟合方式
Jan 15 #Python
Python 支持向量机分类器的实现
Jan 15 #Python
pytorch-神经网络拟合曲线实例
Jan 15 #Python
Pytorch中的VGG实现修改最后一层FC
Jan 15 #Python
详解Python3 中的字符串格式化语法
Jan 15 #Python
用pytorch的nn.Module构造简单全链接层实例
Jan 14 #Python
pytorch三层全连接层实现手写字母识别方式
Jan 14 #Python
You might like
无数据库的详细域名查询程序PHP版(2)
2006/10/09 PHP
一个简单的自动发送邮件系统(二)
2006/10/09 PHP
php调用dll的实例操作动画与代码分享
2012/08/14 PHP
php动态实现表格跨行跨列实现代码
2012/11/06 PHP
Yii2.0框架模型添加/修改/删除数据操作示例
2019/07/18 PHP
在视频前插入广告
2006/11/20 Javascript
使用window.prompt()实现弹出用户输入的对话框
2015/04/13 Javascript
详解JavaScript UTC时间转换方法
2016/01/07 Javascript
nodejs修复ipa处理过的png图片
2016/02/17 NodeJs
通过正则表达式获取url中参数的简单实现
2016/06/07 Javascript
JS for...in 遍历语句用法实例分析
2016/08/24 Javascript
javascript函数的四种调用模式
2017/01/08 Javascript
Ajax异步获取html数据中包含js方法无效的解决方法
2017/02/20 Javascript
jquery 键盘事件的使用方法详解
2017/09/13 jQuery
Vue路由切换时的左滑和右滑效果示例
2018/05/29 Javascript
javascript History对象原理解析
2020/02/17 Javascript
webpack安装配置与常见使用过程详解(结合vue)
2020/06/01 Javascript
[05:56]第十六期——新进3大C之小兔基
2014/06/24 DOTA
[42:04]DOTA2上海特级锦标赛主赛事日 - 2 胜者组第一轮#3Secret VS OG第一局
2016/03/03 DOTA
用python的requests第三方模块抓取王者荣耀所有英雄的皮肤实例
2017/12/14 Python
[原创]Python入门教程4. 元组基本操作
2018/10/31 Python
python求加权平均值的实例(附纯python写法)
2019/08/22 Python
Python实现图片添加文字
2019/11/26 Python
django rest framework使用django-filter用法
2020/07/15 Python
详解Html5中video标签那些属性和方法
2019/07/01 HTML / CSS
亚历山大·王官网:Alexander Wang
2017/06/23 全球购物
Dogeared官网:在美国手工制作的珠宝
2019/08/24 全球购物
网络安全方面的面试题
2015/11/04 面试题
军训学生自我鉴定
2014/02/12 职场文书
《夜晚的实验》教学反思
2014/02/19 职场文书
工厂仓管员岗位职责
2015/04/01 职场文书
2015学校年度工作总结
2015/05/11 职场文书
Nginx tp3.2.3 404问题解决方案
2021/03/31 Servers
如何利用Python实现一个论文降重工具
2021/07/09 Python
CSS文本阴影 text-shadow 悬停效果详解
2022/05/25 HTML / CSS
win11开机发生死循环重启怎么办?win11开机发生死循环重启解决方法
2022/08/05 数码科技