Deep learning Pyrotch完全连接的前馈网络用于回归问题-对所有输入给出相同的结果
我在Pytorch中为一个简单的回归问题(w1x1+w2x2+w3x3=y)建立了一个神经网络模型,其中我为训练数据生成了2000条记录,其中x1、x2、x3和W1=4、W2=6、W3=2的随机值。我创建了一个包含20条记录的测试数据集,其中只有x1、x2、x3的值,我希望得到的结果是,但是,该模型为所有20个输入行返回相同的值。我不知道问题在哪里。下面是代码片段Deep learning Pyrotch完全连接的前馈网络用于回归问题-对所有输入给出相同的结果,deep-learning,regression,pytorch,Deep Learning,Regression,Pytorch,我在Pytorch中为一个简单的回归问题(w1x1+w2x2+w3x3=y)建立了一个神经网络模型,其中我为训练数据生成了2000条记录,其中x1、x2、x3和W1=4、W2=6、W3=2的随机值。我创建了一个包含20条记录的测试数据集,其中只有x1、x2、x3的值,我希望得到的结果是,但是,该模型为所有20个输入行返回相同的值。我不知道问题在哪里。下面是代码片段 inputs = df[['x1', 'x2', 'x3']] target = df['y'] inputs = torch.te
inputs = df[['x1', 'x2', 'x3']]
target = df['y']
inputs = torch.tensor(inputs.values).float()
target = torch.tensor(target.values).float()
test_data = torch.tensor(test_data.values).float()
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super(Net,self).__init__()
hidden1 = 10
hidden2 = 15
self.fc1 = nn.Linear(3,hidden1)
self.fc2 = nn.Linear(hidden1,hidden2)
self.fc3 = nn.Linear(hidden2,1)
def forward(self,x):
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
#instantiate the model
model = Net()
print(model)
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(),lr=0.01)
model.train()
#epochs
epochs = 500
for x in range(epochs):
#initialize the training loss to 0
train_loss = 0
#clear out gradients
optimizer.zero_grad()
#calculate the output
output = model(inputs)
#calculate loss
loss = criterion(output,target)
#backpropagate
loss.backward()
#update parameters
optimizer.step()
if ((x%5)==0):
print('Training Loss after epoch {:2d} is {:2.6f}'.format(x,loss))
#set the model in evaluation mode
model.eval()
#Test the model on unseen data
test_output = model(test_data)
print(test_output)
首先尝试一个简单的直线模型,w1x1=y,只有几个数据点-应该可以。之后,尝试w1x1+w2x2=y,仅使用几个数据点,也应该可以。最后,尝试w1x1+w2x2+w3x3=y,只使用几个数据点。@JamesPhillips运气不好。对于所有值,对于单个输入w1x1=y,我仍然得到相同的输出。我建议用最小的代码问一个新问题,这个问题在代码中有两个数据点的“y=(w1*x1)+常量”中重现。将标题设置为“PyTorch无法将直线拟合到两个数据点”。首先尝试一个简单的直线模型,w1x1=y,只有几个数据点-应该可以。之后,尝试w1x1+w2x2=y,仅使用几个数据点,也应该可以。最后,尝试w1x1+w2x2+w3x3=y,只使用几个数据点。@JamesPhillips运气不好。对于所有值,对于单个输入w1x1=y,我仍然得到相同的输出。我建议用最小的代码问一个新问题,这个问题在代码中有两个数据点的“y=(w1*x1)+常量”中重现。使标题类似于“PyTorch将不适合两个数据点的直线”。