pytorch 기반 논리 회귀 코드
from torch import nn
from torch import optim as optimizer
import torch
from torch.autograd import Variable
class LogisticRegression(nn.Module):
def __init__(self):
super(LogisticRegression, self).__init__()
self.lr = nn.Linear(2, 1)
self.sm = nn.Sigmoid()
def forward(self, x):
x = self.lr(x)
x = self.sm(x)
return x
model = LogisticRegression()
x = Variable(torch.Tensor([[1.2, 1.3], [1.1, 1.9], [2.1, 2.8], [1.0, 1.0], [1.0, 2.0], [2.0, 2.0], [4.1, 4.1], [4.2, 4.5], [5.1, 4.6], [4.0, 4.0], [4.0, 5.0], [5.0, 4.1]]))
y = Variable(torch.Tensor([[1.0], [1.0], [1.0], [1.0], [1.0], [1.0], [0.0], [0.0], [0.0], [0.0], [0.0], [0.0]]))
criterion = nn.BCELoss()
optimizer = optimizer.SGD(model.parameters(), lr=1e-3, momentum=0.9)
for epoch in range(1000):
out = model(x)
loss = criterion(out, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
print(loss)
result = model(Variable(torch.Tensor([[4.0, 5.2], [1.0, 2.0]]))).data.numpy()
class_result = []
for i in range(0, len(result)):
if result[i] >= 0.5:
class_result.append(1)
else:
class_result.append(0)
print(class_result)
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Raspberry Pi를 사용하여 자동 주행하는 라디콘 자동차를 만들려고했습니다.끝에서 끝까지 설명하려고 하면 매우 긴 기사가 되어 버린다고 생각했으므로, 이번은 전체를 대략 소개합니다. 또, 기사를 쓰는 것도 IoT에 관해서도 초보자 동연이므로 꼭 어드바이스·의견을 들려 주세요. Raspbee...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
