本文展示了一个用PyTorch实现房价预测的简单线性回归模型。代码演示了将房屋面积和价格数据转换为张量，定义单层线性模型，使用均方误差损失和SGD优化器进行训练的过程。训练循环包括前向传播、损失计算、反向传播和参数更新4个核心步骤。最终模型能够对未见过的90平米房屋做出合理价格预测，体现了机器学习模型的泛化能力。这个案例展示了PyTorch实现监督学习任务的基本流程：数据张量化→模型定义→训练循环