详解Pytorch 使用Pytorch拟合多项式(多项式回归).pdf
需积分: 3 119 浏览量
2023-04-15
22:20:10
上传
评论
收藏 101KB PDF 举报
详解 Pytorch 使用 Pytorch 拟合多项式
(多项式回归)
使用
Pytorch
来编写神经网络具有很多优势，比起
Tensorflow
，我认
为
Pytorch
更加简单，结构更加清晰。
希望通过实战几个
Pytorch
的例子，让大家熟悉
Pytorch
的使用方法，
包括数据集创建，各种网络层结构的定义，以及前向传播与权重更新
方式。
比如这里给出
很显然，这里我们只需要假定
这里我们只需要设置一个合适尺寸的全连接网络，根据不断迭代，求
出最接近的参数即可。
但是这里需要思考一个问题，使用全连接网络结构是毫无疑问的，但
是我们的输入与输出格式是什么样的呢？
只将一个
x
作为输入合理吗？显然是不合理的，因为每一个神经元其
实模拟的是
wx+b
的计算过程，无法模拟幂运算，所以显然我们需要
将
x
，
x
的平方，
x
的三次方，
x
的四次方组合成一个向量作为输入，
假设有
n
个不同的
x
值，我们就可以将
n
个组合向量合在一起组成输
入矩阵。
这一步代码如下：
def make_features(x):
x = x.unsqueeze(1)
return torch.cat([x ** i for i in range(1,4)] , 1)
资源评论
