获取数据集 通过torchvision的`torchvision.datasets`来下载这个数据集。第一次调用时会自动从网上获取数据。通过参数`train`来指定获取训练数据集或测试数据集。参数`transform = transforms.ToTensor()`使所有数据转换为`Tensor`，如果不进行转换则返回的是PIL图片。`transf…

分类问题 线性回归模型适用于输出为连续值的情景。softmax回归适用于离散值的预测问题。 通常使用离散的数值来表示类别，例如$y_1=1, y_2=2, y_3=3$。与线性回归的一个主要不同在于，softmax回归的输出值个数等于标签里的类别数。 softmax回归模型 softmax回归同线性回归一样，也是一个单层神经网络。输出值$o_i$当…

生成数据集 import torch num_inputs=2 #特征数 num_examples=1000 #样本数 true_w=[2,-3.4] #真实权重 true_b=4.2 #真实偏差 features=torch.randn(num_examples,num_inputs,dtype=torch.float32) #生成特征 …

导入所需要的库 import torch import random 生成数据集 构造一个简单的人工训练数据集，设训练数据集样本数为1000，输入个数（特征数）为2。使用线性回归模型真实权重$w=[2,-3.4]^T$和偏差$b=4.2$，以及一个随机噪声项$\epsilon$生成标签。 其中噪声项 $\epsilon$ 服从均…

线性回归输出的是连续值，适用于如预测房屋价格、气温、销售额等连续值的问题。 线性回归的基本要素 模型定义 假设输入有两个参数，分别为$x_1$和$x_2$，输出为一个数$y$。建立一个基于输入$x_1$和$x_2$来计算输出$y$的表达式，也就是模型(model)。 线性回归假设输出与各输入之间是线性关系： $$\hat{y}=x_1 w_1+x_…