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
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)