pytorch应用（入门2） 一维线性回归

nn.Module（模组）

nn.Linear是线性层

torch.optim (优化)

这是一个实现各种优化算法的包。

在调用的时候将需要优化的参数传人，这些参数都必须是Variable, 然后传入一些基本的设定，比如学习率和动量等。

举个例子：

optimizer = torch.optim.SGD(model.parameters(), lr=0.01, momentum=0.9)

看到这里，如果代码不太懂的可能有点懵，不过深度学习的代码就是这样，分几个层次来构建一个完整的模型。

模型的保存和加载

两种方式，各有各的不同之处。

一维线性回归

深度学习的一层神经网络呗（粗略地这样认为是可以的）
至于总的线性模型的式子其实其他教程上都有：

在代码实现的过程中我又又报错了，然后我心平气和地去找改错的博文，thistorch踩坑

改完错误的我，真的是高兴呢！，书中作者的代码不知道是哪年的，自己敲的时候没报错，我敲的时候就报错了，根据报错信息来看，应该是版本不一样导致的语法修改。

%notebook的魔法命令

代码如下：

import torch
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import torch.nn as nn

x_train = np.array([[3.3],[4.4], [5.5], [6.71], [6.93], [4.168],
[9.779],[6.182], [7.59], [2.167], [7.042] ,
[10.791],[5.313], [7.997], [3.1]], dtype=