本文重点

和上一节课程一样，本文我们将不使用pytorch搭建一个多项式的回归模型，来增加我们对使用pytorch搭建多项式回归模型的理解。

模型

#定义参数和模型

w=torch.randn(3,1,requires_grad=True)

b=torch.randn(1,requires_grad=True)

def Linear(x):

return torch.mm(x,w) + b

torch.mm（a，b）的意思是矩阵a×矩阵b，维度必须一致,本例中w为3,1而样本为64*3，所以我们需要torch.mm(x,w)，而不能torch.mm(w,x)，我们只需要记住一点，无论样本是列排还是行排都不是问题。

数据

这里的代码和前面的的基于pytorch搭建多特征的模型的数据生成是差不多的，不同的是这里先使用numpy生成的数据，所以需要注意的是numpy转成 tensor之后是一定要转成float的，如果不转的话&#