2020-10-19 21:48:57

docs/pytorch/09.md

@@ -8,7 +8,7 @@
 
 我们创建一些假数据来模拟真实的情况. 比如一个一元二次函数:  y  =  a  *  x^2  b , 我们给  y  数据加上一点噪声来更加真实的展示它.
 
-```
+```py
 import torch
 from torch.autograd import Variable
 import matplotlib.pyplot as plt
@@ -28,7 +28,7 @@ plt.show()
 
 建立一个神经网络我们可以直接运用 torch 中的体系. 先定义所有的层属性( __init__() ), 然后再一层层搭建( forward(x) )层于层的关系链接. 建立关系的时候, 我们会用到激励函数, 如果还不清楚激励函数用途的同学, 这里有非常好的一篇动画教程 （如下）.
 
-```
+```py
 import torch
 import torch.nn.functional as F     # 激励函数都在这
 
@@ -60,7 +60,7 @@ Net (
 
 训练的步骤很简单, 如下:
 
-```
+```py
 # optimizer 是训练的工具
 optimizer = torch.optim.SGD(net.parameters(), lr=0.5)  # 传入 net 的所有参数, 学习率
 loss_func = torch.nn.MSELoss()      # 预测值和真实值的误差计算公式 (均方差)
@@ -79,7 +79,7 @@ for t in range(100):
 
 为了可视化整个训练的过程, 更好的理解是如何训练, 我们如下操作:
 
-```
+```py
 import matplotlib.pyplot as plt
 
 plt.ion()   # 画图