pytorch入門2.0構建回歸模型初體驗（數據生成）

pytorch入門2.x構建回歸模型系列:
pytorch入門2.0構建回歸模型初體驗（數據生成）
pytorch入門2.1構建回歸模型初體驗（模型構建）
pytorch入門2.2構建回歸模型初體驗（開始訓練）

pytorch對於神經網絡有很好的封裝，使得我們可以快速、簡單的實現神經網絡框架的編寫。
0. 准備數據，並對數據集進行划分。划分其實有很多方法：見數據集划分實戰code

#  准備數據
import random
x = torch.unsqueeze(torch.linspace(0,1,300),dim=1)  # 從0到1生成300個數據
y = x*8-5+torch.rand(x.size())  # 生成groundtruth數據

# shuffle your trainning data
index = torch.randperm(x.nelement())
index_train = index[:int(index.nelement()*0.8)]
index_test = index[int(index.nelement()*0.8):]

x_train = x[index_train]
y_train = y[index_train]

x_test = x[index_test]
y_test = y[index_test]

assert(x_train.nelement()+x_test.nelement()==x.nelement())

數據不夠直觀，我們把他們畫出來看看：

import matplotlib.pyplot as plt
%matplotlib inline
plt.figure(figsize=(10,8))
plt.scatter(x_train,y_train)
plt.scatter(x_test,y_test)
plt.show()

其中藍色的點代表我們的訓練數據，紅色的點代表我們的測試數據。接下來，我們就要用藍色的點進行訓練一個回歸模型，然后在紅色的點集合上面去測試結果啦。抓緊來試試吧。