PyTorch线性回归

本文主要是介绍PyTorch线性回归，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

回归：一个或多个自变量与因变量之间的关系之间建模的方法，经常用来表示输入和输出之间的关系
分类：预测数据属于一组类别的哪一个
一个简单的线性模型

• 线性回归是对n维输入的加权，外加偏差
• 使用平方损失来衡量预测值与真实值的差异（乘1/2为了求导方便，并没有太大影行）
• 线性回归有显示解
• 线性回归可以看成单层神经网络

梯度下降
梯度下降是通过不断沿着反梯度方向更新参数求解

学习率lr不能太大也不能太小
太小：计算次数增加，计算昂贵
太大：导致模型难以收敛
小批量随机梯度下降
批量大小batch_size不能太大也不能太小
太小：不适合并行来最大利用计算资源
太大：内存消耗增加，浪费计算

torch.matmul()的用法：
当输入是都是二维时，就是普通的矩阵乘法，和tensor.mm函数用法相同。
当输入有多维时，把多出的一维作为batch提出来，其他部分做矩阵乘法。

参考博客：torch.matmul(）的用法

这篇关于PyTorch线性回归的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！