pytorch入门2.0构建回归模型初体验（数据生成）

pytorch入门2.x构建回归模型系列:

pytorch入门2.0构建回归模型初体验（数据生成）

pytorch入门2.1构建回归模型初体验（模型构建）

pytorch入门2.2构建回归模型初体验（开始训练）

pytorch对于神经网络有很好的封装，使得我们可以快速、简单的实现神经网络框架的编写。

0. 准备数据，并对数据集进行划分。划分其实有很多方法：见数据集划分实战code

#  准备数据
import random
x = torch.unsqueeze(torch.linspace(0,1,300),dim=1)  # 从0到1生成300个数据
y = x*8-5+torch.rand(x.size())  # 生成groundtruth数据

# shuffle your trainning data
index = torch.randperm(x.nelement())
index_train = index[:int(index.nelement()*0.8)]
index_test = index[int(index.nelement()*0.8):]

x_train = x[index_train]
y_train = y[index_train]

x_test = x[index_test]
y_test = y[index_test]

assert(x_train.nelement()+x_test.nelement()==x.nelement())

数据不够直观，我们把他们画出来看看：

import matplotlib.pyplot as plt
%matplotlib inline
plt.figure(figsize=(10,8))
plt.scatter(x_train,y_train)
plt.scatter(x_test,y_test)
plt.show()

其中蓝色的点代表我们的训练数据，红色的点代表我们的测试数据。接下来，我们就要用蓝色的点进行训练一个回归模型，然后在红色的点集合上面去测试结果啦。抓进来试试吧。