一、单层回归网络：线性回归

1. tensor手动实现单层回归神经网络的正向传播

# tensor手动实现单层回归神经网络的正向传播
import torch
from torch.nn import functional as F

X = torch.tensor([[1,0,0],[1,1,0],[1,0,1],[1,1,1]], dtype = torch.float32)    # 特征张量
w = torch.tensor([-0.2, 0.15, 0.15])            # 定义常量b和权重w，即b为-0.2，w为(0.15, 0.15)
z = torch.tensor([-0.2, -0.05, -0.05, 0.1])     # 标签张量

# 定义线性回归计算的函数
def LinearR(X,w):
    zhat = torch.mv(X,w)        # 预测值z, 矩阵X与向量w相乘
    return zhat

zhat = LinearR(X, w)
zhat

注意踩坑：

• 标签和特征类型：PyTorch中的许多函数都不接受浮点型的分类标签，但也有许多函数要求真实标签的类型必须与预测值的类型一致，因此标签的类型定义总是一个容易踩坑的地方。通常来说，我们还是回将标签定义为float32，如果在函数运行时报错，要求整形，我们再使用.long()方法将其转换为整型。
• 标签维度：另一个非常容易踩坑的地方是，PyTorch中许多函数不接受一维张量但同时也有许多函数不接受二维标签，因此我们在生成标签时，可以默认生成二维标签，若函数报错说不能接受二维标签，我们再使用view()函数将其调整为一维。

2. torch.nn.Linear实现单层回归神经网络的正向传播

# torch