每天五分钟深度学习框架pytorch:从底层实现一元线性回归模型

本文重点

本节课程我们继续搭建一元线性回归模型，不同的是这里我们不使用pytorch框架已经封装好的一些东西，我们做这个目的是为了更加清楚的看到pytorch搭建模型的本质，为了更好的理解，当然实际中我们还是使用pytorch封装好的一些东西，不要重复造轮子。

模型搭建

#定义一元线性回归模型的参数w和b
w=torch.randn(1,requires_grad=True)
b=torch.randn(1,requires_grad=True)
#定义线性回归模型
def Linear(x):y=w*x+breturn y

回归模型的核心就是w1x1+w2x2+...+wnxn+b,本文中我们要搭建的模型是一元的所以模型就是w1x1+b也就是wx+b

构建数据

构建数据不多说了，前面的文章都说过

x_train =np.array([[3.3],[4.4],[5.5], [6.71], [6.93], [4.168],[9.779], [6.182], [7.59], [2.167], [7.042],[10.791], [5.313], [7.997], [3.1]], dtype=np.float32)
y_train =np.array([[1.7], [2.76], [2.09], [3.19], [1.694], [1.573],[3.366], [2.596],