翻译: 3.2. 从零开始实现线性回归 深入神经网络 pytorch

既然您了解了线性回归背后的关键思想，我们就可以开始在代码中动手实现。在本节中，我们将从头开始实现整个方法，包括数据管道、模型、损失函数和小批量随机梯度下降优化器。虽然现代深度学习框架可以自动化几乎所有这些工作，但从头开始实施是确保您真正了解自己在做什么的唯一方法。此外，当需要自定义模型、定义我们自己的层或损失函数时，了解事情的幕后工作方式将证明是方便的。在本节中，我们将仅依赖张量和自动微分。之后，我们将介绍一个更简洁的实现，利用深度学习框架的花里胡哨。
%matplotlib inline
import random
import torch
from d2l import torch as d2l

3.2.1。生成数据集
为简单起见，我们将根据带有加性噪声的线性模型构建一个人工数据集。我们的任务将是使用我们数据集中包含的有限示例集来恢复该模型的参数。我们将保持数据低维，以便我们可以轻松地对其进行可视化。

翻译: 3.2. 从零开始实现线性回归 深入神经网络 pytorch最先出现在Python成神之路。