人工智能作业一

一：安装pycharm

在官网找到社区版下载并安装：
勾选下面几项：

安装好后去官网找python解释器进行下载：

进入pytorch官网，进行pytorch安装

复制命令后在cmd打开

下载完后测试，安装成功！

二：pytorch实现反向传播

实现代码如下：

import torch

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = torch.Tensor([3.0])  # 初始化权重
w.requires_grad = True  # 说明w需要计算梯度

# 注意其中w是tensor，在实际运算中开始进行数乘。
def forward(x):
    return w * x

# 损失函数的求解，构建计算图，并不是乘法或者乘方运算
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2

print("Predict before training", 4, forward(4).item())  ## 打印学习之前的值，.item表示输出张量的值

learning_rate = 0.01
epoch_list = []
loss_list = []
# 训练
for epoch in range(100):
    for x, y in zip(x_data, y_data):
        l = loss(x, y)
        l.backward()  # 向后传播
        print('\tgrad', x, y, w.grad.item())  # 将梯度存到w之中,随后释放计算图,w.grad.item()：取出数值
        w.data = w.data - learning_rate * w.grad.data  # 张量中的grad也是张量,所以取张量中的data,不去建立计算图
        w.grad.data.zero_()  # 释放data
    print("process:", epoch, l.item())
    epoch_list.append(epoch)
    loss_list.append(l.item())

print('Predict after training', 4, forward(4).item())

结果如下：