一、课堂代码

我把激活函数换成了ReLU和sigmoid，大家可以自行尝试~

数据集的话下载方式在b站视频的评论区，和ppt一起；下载后和程序放在同个目录下就行

import torch
import numpy as np
import matplotlib.pyplot as plt

'''np.loadtxt函数用于从文本文件加载数据，
'diabetes.csv.gz'是你要加载的文件名，
.gz扩展名表示文件被gzip压缩，
delimiter=','表示CSV文件中数据以逗号分隔，
dtype=np.float32表示数据应该以32位浮点数的形式加载'''
xy = np.loadtxt('diabetes.csv.gz', delimiter=',', dtype=np.float32) 
x_data = torch.from_numpy(xy[:,:-1])  #切片操作，选择所有行，选择1到倒数第二列
y_data = torch.from_numpy(xy[:, [-1]]) #所有行，最后一列，加[]是为了把向量转变成矩阵，x_data,y_data在计算时都得是矩阵

class Model(torch.nn.Module):

    def __init__(self):
        super(Model, self).__init__()
        self.linear1 = torch.nn.Linear(8, 6)
        self.linear2 = torch.nn.Linear(6, 4)
        self.linear3 = torch.nn.Linear(4, 1)
        self.activate = torch.nn.ReLU()
        self.sigmoid = torch.nn.Sigmoid()

    def forward(self, x):
        x = self.activate(self.linear1(x))
        x = self.activate(self.linear2(x))
        x = self.sigmoid(self.linear3(x))
        return x

model = Model()

criterion = torch.nn.BCELoss(size_average=True)

optimizer = torch.optim.SGD(model.parameters(), lr=0.1)

epoch_list = []
l_list = []
for epoch in range(100):
    #forward
    y_pred = model(x_data)
    loss = criterion(y_pred, y_data)
    epoch_list.append(epoch)
    l_list.append(loss.item())
    print(epoch, loss.item())

    #backward
    optimizer.zero_grad()
    loss.backward()

    #update
    optimizer.step()

plt.plot(epoch_list, l_list)
plt.grid(True)
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.savefig('多维特征输入.png')
plt.show()

结果：