聪明文档网
最新最全的文档下载
当前位置：
首页> 基于pytorch二次关系拟合 (回归)及其实现
基于pytorch二次关系拟合 (回归)及其实现
时间：2022-12-18 05:23:54 下载该word文档
龙源期刊网http://www.qikan.com.cn
基于pytorch二次关系拟合(回归）及其实现
作者：邢立国李文坚刘玉坤
来源：《电脑知识与技术》2019年第26期
摘要：深度学习已经成为近几年来的研究热点。在诸多深度学习研究工具中，pytorch是最流行、最常用系统之一。对pytorch进行了介绍，并给出了一个线性回归案例，使用pytorch语言进行了实现。文章既可以对pytorch的入门学习者助一臂之力，又可以使深度学习的爱好者从中受益。
关键词：深度学习;pytorch;线性回归中图分类号：TP3;;;;文献标识码：A文章编号：1009-3044（2019）26-0202-02开放科学（资源服务）标识码（OSID）：
目前AI研究出现了新的高潮，人工智能相关领域的科学研究已经被应用到国民生活的各个领域[1]。深度学习是机器学习研究的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经物理，例如“自然语言处理”“人机博弈”“语音识别”。当今对深度学习的关注度也在
龙源期刊网http://www.qikan.com.cn
不断攀升。在诸多深度学习系统中，pyTorch很快成为AI研究人员的热门选择并受到推崇[2]。文章介绍了线性回归，pytorch的相关概念，其次描述了一个线性回归的案例并给出了部分pytorch代码实现。1pytorch
pyTorch是美国互联网巨头Facebook在深度学习框架Torch的基础上使用Python重写的一个全新的深度学习框架，它更像NumPy的替代产物，不仅继承了NumPy的众多优点，还支持GPUs计算，在计算效率上要比NumPy有更明显的优势;不仅如此，PyTorch还有许多高级功能，比如拥有丰富的API，可以快速完成深度神经网络模型的搭建和训练。所以PyTorch一经发布，便受到了众多开发人员和科研人员的追捧和喜爱，成为AI从业者的重要工具之一。2线性回归
一般地，变量之间的关系可以是确定关系，也可以是非确定关系，变量之间的非确定关系称为回归关系。在简单线性回归中，可以使用训练数据的统计数据来估计模型所需的系数，以便对新数据进行预测。例如，第三产业职工的工资剖面曲线格[3]。输出变量（y）可以从输入变量（z）的线性组合来计算。当有一个输入变量时，描述两个变量z和y之间关系的简单线性回归模型可以用下面的方程表示y=az^2+bz+c，数字a和b称为参数，c是误差项。下面通过pytorch来实现简单的线性回归，通过对数据进行训练，计算出二次线性回归函数（y=az^2+bz+c）中a、b和c的值，并通过验证数据，验证得到的函数是否符合预期效果。3pytorch实现
（1）Moudle（模块）引入
Moudle是python中的一个重要结构，pytorch的程序是由一个个moudle构成。为了方便代码的重用，可以导入该Moudle[4]，这样就可以调用该模块的函数或类，首先导入torch模块，为了看到结果，引入pltlib，引入测试数据Moudle（此模块代码从略）。（2）得到训练数据
（4）参数优化。深度学习[5]常见的是对于grad（梯度）的调优调优就是各种对于grad下降算法的优化。这里使用了loss.backward（）函数。一般在上面这个函数的之后再添加一个最小化代价函数，构成深度学习中的训练对象。在pytorch中调整假设y=az^2+bz+c，使用grad下降算法找最优解。4多轮训练效果
龙源期刊网http://www.qikan.com.cn
经过多轮训练后，训练结果如图1二次回归散点模拟图所示。使用Pyplot进行线性回归模拟求解直观的实现二次函数的参数模拟求解。应用二次函数求值并且加上高斯误差的点均匀地分布在抛物线附近，非常直观，见图1。5结语
Pytorch及其扩展函数库构成了一个丰富、完整的神经网络构建、应用平台，开源，免費，学习和使用方便，本文给出了线性回归的介绍，并使用pytorch对该模型进行了实现，具有一定的学习和应用价值。Pytorch非常适合深度学习领域的项目设计和应用。广大深度学习专业人员，以及爱好者可以学习和使用Pytorch