import?torch
import??numpy?as?nn
import?matplotlib.pyplot?as?plt
import?torch.nn.functional?as?F
import??numpy?as?np

epoch?=?1000

def?train（）:
????print（‘------??????構建數據集??????------‘）
????x?=?torch.unsqueeze（torch.cat（[torch.linspace（-10?-1?50）torch.linspace（-1?-0.01?50）
??????????????????????????????????torch.linspace（0.01?1?50）torch.linspace（1?10?50）]）?dim=1）
????#y?=?np.sin（x）/np.abs（x）
????y?=?x
????#y1?=?y**（-1）
???#?y2?=?y1**（1/3）

????plt.scatter（x?y）
????x?=?x.cuda（）
????y?=?y.cuda（）


???#?plt.show（）

????print（‘------??????搭建網絡??????------‘）

????#?使用固定的方式繼承并重寫?init和forword兩個類
????class?Net（torch.nn.Module）:
????????def?__init__（self?n_feature?n_hidden1n_hidden2n_output）:
????????????#?初始網絡的內部結構
????????????super（Net?self）.__init__（）
????????????self.hidden1?=?torch.nn.Linear（n_feature?n_hidden1）
????????????self.hidden2?=?torch.nn.Linear（n_hidden1?n_hidden2）
????????????self.predict?=?torch.nn.Linear（n_hidden2?n_output）

????????def?forward（self?x）:
????????????#?一次正向行走過程
????????????x?=?torch.tanh（self.hidden1（x））
????????????x?=?torch.tanh（self.hidden2（x））
????????????x?=?self.predict（x）
????????????return?x

????net?=?Net（n_feature=1?n_hidden1=500n_hidden2=500?n_output=1）
????net?=?net.cuda（）
????print（‘網絡結構為：‘?net）

????print（‘------??????啟動訓練??????------‘）
????loss_func?=?F.mse_loss
????optimizer?=?torch.optim.SGD（net.parameters（）?lr=0.001）

????#?使用數據?進行正向訓練，并對Variable變量進行反向梯度傳播??啟動100次訓練
????for?i?in?range（epoch）:
????????#?使用全量數據?進行正向行走
????????prediction?=?net（x）
????????loss?=?loss_func（prediction?y）
????????optimizer.zero_grad（）??#?清除上一梯度
????????loss.backward（）??#?反向傳播計算梯度
????????optimizer.step（）??#?應用梯度
????????if?i?%?100==0:
????????????print（‘epoch:[%d/%d]loss:??%.6f‘?%?（i?epoch?loss））
????????#?間隔一段，對訓練過程進行可視化展示
????????if?i?%?5?==?0:
????????????plt.cla（）
???????????#?x?=?x.cpu（）
???????????#?y?=?y.cpu（）
????????????plt.scatter（x.cpu（）?y.cpu（））
????????????plt.plot（x.detach（）.cpu（）.numpy（）?prediction.detach（）.cpu（）.numpy（）?‘r-‘?lw=5）
????????????plt.text（0.5?0?‘Loss=‘?+?str（loss.item（））?fontdict={‘size‘:?20?‘color‘:?‘red‘}）
????????????plt.pause（0.1）


????plt.ioff（）
????plt.show（）





if?__name__?==?‘__main__‘:
????train（）