init方法中定义网络中的层结构，主要是全连接层，并进行初始化,定义层forward方法，在实例化模型的时候，底层会自动调用该函数。该函数中可以定义学习率，为初始化定义的layer传入数据等。将各层连接定义继承自nn.Module的模型类在init方法中定义网络中的层结构在forward方法中定义数据传输方式前向传播：指的是数据输入的神经网络中，逐层向前传输，一直到运算到输出层为止。反向传播（利用

导包​​# 1. 准备数据# 训练集数据​# 2. 创建 线性回归 模型对象​# 3. 模型训练​# 4. 模型评估(暂时略过)​# 5. 模型预测# 查看模型参数, 即: 斜率(权重) 和 截距(偏置)print(f'斜率k(w): {estimator.coef_}')# [0.92942177]print(f'截距b: {estimator.intercept_}')# -93.273469

属于python的一种独有写法, 可以实现,: 对外部变量进行临时存储nonlocal: 可以实现在内部函数中, 修改外部函数的 变量值类似于global关键字给内部函数赋权, 使其可以修改外部函数的变量值装饰器也是闭包的一种, 即: 装饰器 = 闭包 + 额外的功能。

缺省参数也叫 默认参数, 它是作用于 形参列表的, 即: 可以给形参赋一个初始值, 这样用户调用函数的时候,如果没有给这个参数传参, 我们就用 默认值, 如果传参了, 就用给的值.它是作用于 形参列表的, 主要有两种写法, 分别是 *args: 可以接收任意多个位置参数, 并封装成: 元组. **kwargs: 可以接收任意多个关键字参数, 并封装成: 字典. keyword argumentsP

导包​​# 1. 准备数据# 训练集数据​# 2. 创建 线性回归 模型对象​# 3. 模型训练​# 4. 模型评估(暂时略过)​# 5. 模型预测# 查看模型参数, 即: 斜率(权重) 和 截距(偏置)print(f'斜率k(w): {estimator.coef_}')# [0.92942177]print(f'截距b: {estimator.intercept_}')# -93.273469