动手深度学习3月27日

Posted 2022-07-13 wx5cbd4315aefc1

如果想看jupyter note效果的请点击​​github地址​​

线性回归从零开始实现

%matplotlib inline
import random
import torch
from d2l import torch as

生成数据集

为了简单起见，我们将根据带有噪声的线性模型构造一个人造数据集。
我们的任务是使用这个有限样本的数据集来恢复这个模型的参数。
我们将使用低维数据，这样可以很容易地将其可视化。
在下面的代码中，我们生成一个包含1000个样本的数据集，每个样本包含从标准正态分布中采样的2个特征。我们的合成数据集是一个矩阵 。

我们使用线性模型参数、和噪声项生成数据集及其标签：

你可以将 视为捕获特征和标签时的潜在观测误差。在这里我们认为标准假设成立，即服从均值为0的正态分布。
为了简化问题，我们将标准差设为0.01。下面的代码生成合成数据集。

def synthetic_data(w,b,num_examples):
    """生成 y  = Xw + b + 噪声"""
    X = torch.normal(0,1,(num_examples,动手深度学习3月21日

 动手学深度学习3月20日
 动手学深度学习v2学习笔记02：线性代数矩阵计算自动求导
 动手深度学习4月10日
 3.1 线性回归 解析解动手学深度学习 v2
 3.1 线性回归 解析解动手学深度学习 v2