Upload LinearRegression_Model.py

LinearRegression_Model.py

@@ -0,0 +1,87 @@
+import jittor as jt
+#骨干网络模块
+from jittor import Module
+#神经网络模块
+from jittor import nn
+import numpy as np
+import matplotlib
+matplotlib.use('TkAgg')
+import matplotlib.pyplot as plt
+
+#线性回归实例
+
+#该模型是一个两层神经网络。 隐藏层的大小为10，激活函数为relu
+class Model(Module):
+    def __init__(self):
+        self.layer1 = nn.Linear(1, 10)
+        self.relu = nn.Relu() 
+        self.layer2 = nn.Linear(10, 1)
+    def execute (self,x) :
+        x = self.layer1(x)
+        x = self.relu(x)
+        x = self.layer2(x)
+        return x
+
+def get_data(n): # generate random data for training test.
+    for i in range(n):#n=1000
+        #产生一个numpy.ndarray数据类型的列表
+        #其中包含batch_size（50）个numpy.ndarray数据类型的列表x
+        #每个小列表里只有一个（0，1）的数，数据类型是'numpy.float64,x[index]
+        #y跟x一样
+        x = np.random.rand(batch_size, 1)
+        y = x*x
+        #返回一个generator实例
+        yield jt.float32(x), jt.float32(y)
+
+
+
+#随机数种子对后面的结果一直有影响,后面的随机数组都是按一定的顺序生成的
+np.random.seed(0)
+jt.set_seed(3)
+n = 1000
+batch_size = 50
+
+#新建模型
+model = Model()
+#设置学习效率
+learning_rate = 0.1
+#保持当前参数状态并基于计算得到的梯度进行参数更新
+optim = nn.SGD(model.parameters(), learning_rate)
+min_loss = 1.0
+
+#开启一个画图的窗口进入交互模式，实时更新数据
+plt.ion() 
+
+#优化器使用简单的梯度下降，损失函数为L2距离
+#enumerate:将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标
+#列表中的每个元素都是元组(x,y)
+for i,(x,y) in enumerate(get_data(n)):
+    pred_y = model(x)
+    loss = ((pred_y - y)**2)
+    loss_mean = loss.mean()
+    optim.step (loss_mean)
+    #print(f"step {i}, loss = {loss_mean.data.sum()}")
+    #根据每次的loss来选择是否绘图，保证最后一张图的loss最小
+    if(loss_mean.data[0]<min_loss):
+        min_loss=loss_mean.data[0]
+        #清除刷新前的图
+        plt.clf()
+        plt.suptitle(str(i)+"time loss:"+str(loss_mean.data),fontsize=10)
+        #第一张图
+        a_graph = plt.subplot(2,1,1)
+        a_graph.set_title('Raw data(x,y)')
+        a_graph.set_xlabel('x',fontsize=10)
+        a_graph.set_ylabel('y',fontsize=10)
+        plt.plot(x.data,y.data,'r^')
+        #第二张图
+        b_graph=plt.subplot(2,1,2)
+        b_graph.set_title("Fitted data(x,pred_y)")
+        b_graph.set_xlabel('x',fontsize=10)
+        b_graph.set_ylabel('pred_y',fontsize=10)
+        plt.plot(x.data,pred_y.data,'g-')
+        #弹窗停留0.4秒
+        plt.pause(0.4)
+
+#关闭交互模式
+plt.ioff()
+plt.show()