Day20-pytorch(3)设置model、使用pytorch设置loss function及updata参数

我们透过简单的regression来认识如何设置model及如何使用pytorch设置loss function及updata参数
先设个范例资料，总共4笔资料
x为输入，特徵值有两个
y为要训练的目标

设置模型时会先import torch.nn并命名为nn

设置模型:
建立一个class并继承nn.Module
在__init__需输入super(Model,self).init()
设置self.net为我们自己的模型
透过nn.Sequential方法来建立，之後在後方传入你想要的模型样子
nn.Linear用来加入线性的模型，後方参数传入模型输入值与输出值
第一个输入并符合输入资料的资料个数，所以我一开始先传入x.shape[1]
线性模型後接上activation function，这里我都使用ReLU
def forward後方必须传入输入参数，会回传model计算结果

设置迭代次数及learning rate:
n_iter为我们想要训练的次数
learning rate在这里设置，之後会传入optimizer後方参数，等一下你就看得到了

设置loss function及optimizer:
我将critirion设为loss function的变数名称，後方传入pytroch内已有的方法nn.MSELoss()
表示此loss function是计算mean-square error
optimizer设为updata参数的变数名称，後方传入pytorch内已有的方法，这里我选择adam演算法
後方需传入model参数及learning rate

开始训练资料
pre为model计算完结果
将pre与训练目标y传入critirion来算出loss
optimizer.zero_grad()一定要传入，要归零上一次的微分结果
loss.backward算出这次的微分结果
optimizer.step()根据传入的演算法updata参数，这里就是使用上面设置的adam演算法