求教关于pytorch模型的问题

1. 求教关于pytorch模型的问题

用"对线性回归做梯度下降计算"来寻找最优的线性方程,从而预测房价.
1预测房价的线性方程,其中theta(i)表示的是第i个特征x(i)的权重,h(x)是根据特征和相应的权重所预测的房价.

2损失函数是用来评估线性函数好坏,损失函数J是对每个样本的估计值与真实值的平方进行求和,得到整个样本预测的值跟真实值之间的差距和损失.

3使用梯度下降寻找最优的线性方程转换为求解损失函数的最小值,也就是求解得到J取得最小值的时候的权重向量.
(其中alpha是学习率,要取很小的值,大约1e-8,程序才会收敛,有最小值)

2. Pytorch模型保存与加载，并在加载的模型基础上继续训练

 pytorch保存模型非常简单，主要有两种方法：
   一般地，采用一条语句即可保存参数：
   其中model指定义的模型 实例变量 ，如 model=vgg16( ), path是保存参数的路径，如 path='./model.pth' , path='./model.tar', path='./model.pkl', 保存参数的文件一定要有后缀扩展名。
   特别地，如果还想保存某一次训练采用的优化器、epochs等信息，可将这些信息组合起来构成一个字典，然后将字典保存起来：
   针对上述第一种情况，也只需要一句即可加载模型：
   针对上述第二种以字典形式保存的方法，加载方式如下：
   需要注意的是，只保存参数的方法在加载的时候要事先定义好跟原模型一致的模型，并在该模型的实例对象(假设名为model)上进行加载，即在使用上述加载语句前已经有定义了一个和原模型一样的Net, 并且进行了实例化 model=Net( ) 。
   另外，如果每一个epoch或每n个epoch都要保存一次参数，可设置不同的path，如 path='./model' + str(epoch) +'.pth'，这样，不同epoch的参数就能保存在不同的文件中，选择保存识别率最大的模型参数也一样，只需在保存模型语句前加个if判断语句即可。
   下面给出一个具体的例子程序，该程序只保存最新的参数：
   在训练模型的时候可能会因为一些问题导致程序中断，或者常常需要观察训练情况的变化来更改学习率等参数，这时候就需要加载中断前保存的模型，并在此基础上继续训练，这时候只需要对上例中的 main() 函数做相应的修改即可，修改后的 main() 函数如下：
   以上方法，如果想在命令行进行操作执行，都只需加入argpase模块参数即可，相关方法可参考我的 博客 
   用法可参照上例。   这篇博客是一个快速上手指南，想深入了解PyTorch保存和加载模型中的相关函数和方法，请移步我的这篇博客： PyTorch模型保存深入理解