0
点赞
收藏
分享

微信扫一扫

【2021-2022 春学期】人工智能-作业1:PyTorch实现反向传播

陈情雅雅 2022-05-01 阅读 52

安装PyCharm

首先要先安装Python否则PyCharm将是一个空壳子。这里我选择安装python3.5.1。按照向导完成安装并配置环境变量。

在这里插入图片描述
在这里插入图片描述

完成后下载PyCharm,免费的社区版足够了请添加图片描述

在这里插入图片描述

按照向导完成安装

然后create new project

在这里插入图片描述
在这里插入图片描述

安装环节到此结束

安装PyTorch

在这里插入图片描述
这里根据自己的计算机配置选择对应的选项,就会生成一个下载命令,在cmd里运行这个命令
在这里插入图片描述
这里需要等待比较长的时间。安装完成后就可以开始实现反向传播

实现反向传播

把PyTorch放入PyCharm中

在这里插入图片描述

import torch
import numpy as np
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = torch.Tensor([1.0]) # 权重初始值
w.requires_grad = True # 是否需要计算梯度,Tensor创建之后默认不计算梯度
 
 
# y_predict = x * w
def forward(x):
    return x * w
 
 
def loss(x, y):  # 损失函数
    y_pred = forward(x)
    return (y_pred - y) ** 2
 
 
# 训练过程
# 第一步:先算损失 Loss
# 第二步:backward,反向传播
# 第三步:梯度下降
 
for epoch in range(100):
    for x, y in zip(x_data, y_data):
        l = loss(x, y)  # 前向传播,求 Loss,构建计算图
        l.backward()  # 反向传播,求出计算图中所有梯度存入w中
        print("\tgrad: ", x, y, w.grad.item())
        w.data = w.data - 0.01 * w.grad.data  # w..grad.data:获取梯度,用data计算,不会建立计算图
 
        w.grad.data.zero_()  # 注意:将w中所有梯度清零
 
    print("pregress:", epoch, l.item())

运行结果:
在这里插入图片描述

举报

相关推荐

0 条评论