人工智能-作业1：PyTorch实现反向传播

1.pycharm安装

PyCharm 是一款功能强大的 Python 编辑器，具有跨平台性。打开PyCharm官网，选择安装Community社区版本下载安装。

当下载好以后，点击安装，记得修改安装路径，我这里放的是E盘，修改好以后，Next

我们可以根据自己的电脑选择32位还是64位

点击Install,然后就是静静的等待安装了。如果我们之前没有下载有Python解释器的话，在等待安装的时间我们得去下载python解释器

如下所示，选择我们需要的python版本号，点击Download

可执行版安装比较简单，一直默认就好了

7、添加环境变量

（1）右键我的电脑，点击属性，d出如下界面，点击高级系统设置，出现下图

 点击环境变量，找到系统变量里面的Path，编辑它，将python解释器所在路径粘贴到最后面，再加个分号。

 这时Pycharm也装好了，进入该软件。

 

点击Create New Project，接下来是重点

 Location是我们存放工程的路径，点击这个三角符号 

 

 建立编译环境，点击New,选择Python File，给file取个名字，点击OK

系统会默认生成hello.py。好了，至此，我们的初始工作基本完成

 2.pytorch安装

进入pytorch官网，进行pytorch安装

 实现反向传播

 

​
import torch
import numpy as np
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = torch.Tensor([1.0]) # 权重初始值
w.requires_grad = True # 是否需要计算梯度，Tensor创建之后默认不计算梯度
# y_predict = x * w
def forward(x):
    return x * w
def loss(x, y): # 损失函数
    y_pred = forward(x)
    return (y_pred - y) ** 2

# 训练过程
# 第一步：先算损失 Loss
# 第二步：backward，反向传播
# 第三步：梯度下降
for epoch in range(100):
    for x, y in zip(x_data, y_data):
        l = loss(x, y) # 前向传播，求 Loss，构建计算图
        l.backward() # 反向传播，求出计算图中所有梯度存入w中
        print("\tgrad: ",x, y, w.grad.item())
        w.data = w.data - 0.01 * w.grad.data # w..grad.data：获取梯度，用data计算，不会建立计算图
        
        w.grad.data.zero_() # 注意：将w中所有梯度清零
    print("pregress:", epoch, l.item())

​

运行结果

 

参考资料：

安装pycharm，配置好python开发环境

Pytorch 安装教程