from mxnet import autograd, nd

num_inputs = 2
num_examples = 1000
true_w = [2,-3.4]
true_b = 4.2 feature = nd.random.normal(scale=1,shape=(num_examples,num_inputs))
labels = true_w[0]*feature[:,0] + true_w[1]*feature[:,1] + true_b
#print(labels.shape) # 1000*1 labels += nd.random.normal(scale=0.01,shape=labels.shape)
print(labels) from mxnet.gluon import data as gdata batsh_size = 10
# 组合训练的特征和标签
dataset = gdata.ArrayDataset(feature,labels)
# 随机读取小批量
data_iter = gdata.DataLoader(dataset=dataset,batch_size=batsh_size,shuffle=True) for X,y in data_iter:
print(X,y)
break # 定义模型
from mxnet.gluon import nn net = nn.Sequential()
net.add(nn.Dense(1)) # 初始化模型参数
from mxnet import init
net.initialize(init.Normal(sigma=0.01)) # 定义损失函数
from mxnet.gluon import loss as gloss
loss = gloss.L2Loss() # 平方损失 # 优化算法,小批量随机梯度下降(sgd),使用Trainer实例
# 该算法迭代net 所有通过add加进来的层所包含的参数,这些参数可以通过collect_params函数获取
from mxnet import gluon
trainer = gluon.Trainer(net.collect_params(),'sgd',{'learning_rate':0.03}) # 训练模型
num_epochs = 3 for epoch in range(1,num_epochs+1):
for X,y in data_iter:
with autograd.record():
l = loss(net(X),y)
l.backward()
trainer.step(batsh_size)
l = loss(net(feature),labels)
print('epoch %d, loss: %f' %(epoch, l.mean().asnumpy())) # 从net中获取访问学习到的模型参数,权重(weight) 和偏差(bias)
dense = net[0]
print(true_w,dense.weight.data())
print(true_b,dense.bias.data())

gluon 实现线性回归的更多相关文章

  1. 机器学习笔记(2):线性回归-使用gluon

    代码来自:https://zh.gluon.ai/chapter_supervised-learning/linear-regression-gluon.html from mxnet import ...

  2. win10 + gluon + GPU

    1. 下载教程 可以用浏览器下载zip格式并解压,在解压目录文件资源管理器的地址栏输入cmd进入命令行模式. 也可以 git pull https://github.com/mli/gluon-tut ...

  3. 线性回归模型的 MXNet 与 TensorFlow 实现

    本文主要探索如何使用深度学习框架 MXNet 或 TensorFlow 实现线性回归模型?并且以 Kaggle 上数据集 USA_Housing 做线性回归任务来预测房价. 回归任务,scikit-l ...

  4. Gluon sgd

    from mxnet import nd,autograd,init,gluon from mxnet.gluon import data as gdata,loss as gloss,nn num_ ...

  5. Gluon Data API

    http://mxnet.apache.org/api/python/gluon/data.html import sys import os import time import mxnet as ...

  6. L2范数惩罚项,高维线性回归

    %matplotlib inline import mxnet from mxnet import nd,autograd from mxnet import gluon,init from mxne ...

  7. mxnet(gluon)—— 模型、数据集、损失函数、优化子等类、接口大全

    1. 数据集 dataset_train = gluon.data.ArrayDataset(X_train, y_train) data_iter = gluon.data.DataLoader(d ...

  8. 从零和使用mxnet实现线性回归

    1.线性回归从零实现 from mxnet import ndarray as nd import matplotlib.pyplot as plt import numpy as np import ...

  9. scikit-learn 线性回归算法库小结

    scikit-learn对于线性回归提供了比较多的类库,这些类库都可以用来做线性回归分析,本文就对这些类库的使用做一个总结,重点讲述这些线性回归算法库的不同和各自的使用场景. 线性回归的目的是要得到输 ...

随机推荐

  1. PIE SDK图像镜像

      1.算法功能简介 图像镜像可生成图像的水平镜像.垂直镜像和水平垂直镜像.水平镜像是图像以垂直中线为轴, 将图像左右半部对调:垂直镜像是图像以水平中线为轴,将图像上下半部对调. PIE支持算法功能的 ...

  2. JS 判断节点类型

    节点类型的分类 节点类型 说明 值 元素节点 每一个HTML标签都是一个元素节点,如 <div> . <p>.<ul>等 1 属性节点 元素节点(HTML标签)的属 ...

  3. Linux Jenkins

    部署与运行: Jenkins 依赖于 Tomcat 才能跑起来,把 Jenkins 的 jenkins.war 文件放到 Tomcat 的安装目录的 webapps 目录下,配置好端口,正常访问 lo ...

  4. PIXI 根据点走地图(8)

    先了解下数学公式例如: 图已知:a.b两点的坐标, c到a的距离d .求c点的坐标.   求 cy 可以根据d / a到b距离 = a到c垂直距离 / a 到 b的垂直距离.   首先求a到b的距离 ...

  5. linux 7.0+救援模式

    输入“e”进入GRUB页面! 定位到ro 然后修改ro为rw,并添加如下红框内的命令行! 使用下面的提示使用“Ctrl-x”start!!! 进入系统后,其实只是进入了一个安全模式下的内存系统,并不是 ...

  6. xshell SSH 连接出现 outgoing encryption ,或者no matching host key algorithm found错误的解决

    首先看看xshell的使用版本,如果是xshell 4,提示的信息为:no matching host key algorithm found 如果是xshell 5,提示的是: outgoing e ...

  7. docker~run起来之后执行多条命令

    最近在搞jenkins pipeline的部署工作,而在对.net core进行部署时不希望安装dotnet sdk,为了移植性更好,打算直接使用aspnetcore的docker镜像,通过docke ...

  8. js 获取 Url.Action 设置area

    var url = '@Url.Action("UserEdit","User",new { Area = "Setup", id = 1} ...

  9. Starting MySQL. ERROR! The server quit without updating PID file如何解决

    今天数据库突然挂了.重启提示: Starting MySQL. ERROR! The server quit without updating PID file (/usr/local/mysql/v ...

  10. 搭建一个最简单的node服务器

    搭建一个最简单的node服务器 1.创建一个Http服务并监听8888端口 2.使用url模块 获取请求的路由和请求参数 var http = require('http'); var url = r ...