pytorch - pytorch による多変数線形回帰

Question

私は Pytorch で線形回帰問題に取り組んでいます。
単一変数のケースでは成功しましたが、多変数線形回帰を実行すると、次のエラーが発生します。複数の変数を使用して線形回帰を実行するにはどうすればよいですか?

TypeError トレースバック (最後の最後の呼び出し) in () 9 optimizer.zero_grad() #gradient 10 出力 = モデル (入力) #出力 ---> 11 損失 = 基準 (出力、ターゲット) #損失関数 12 loss.backward() #backward propogation 13 optimizer.step() #1段階の最適化(gradeint descent)

/anaconda/envs/tensorflow/lib/python3.6/site-packages/torch/nn/modules/module.py in call (self, *input, **kwargs) 204 205 def call (self, *input, ** kwargs): --> 206 result = self.forward(*input, **kwargs) 207 for hook in self._forward_hooks.values(): 208 hook_result = hook(self, input, result)

/anaconda/envs/tensorflow/lib/python3.6/site-packages/torch/nn/modules/loss.py in forward(self, input, target) 22 _assert_no_grad(target) 23 backend_fn = getattr(self._backend, type (self). name ) ---> 24 return backend_fn(self.size_average)(input, target) 25 26

/anaconda/envs/tensorflow/lib/python3.6/site-packages/torch/nn/_functions/thnn/auto.py in forward(self, input, target) 39 出力 = input.new(1) 40 getattr(self ._backend, update_output.name)(self._backend.library_state, 入力, ターゲット, ---> 41 出力, *self.additional_args) 42 出力を返す 43

TypeError: FloatMSECriterion_updateOutput が引数の無効な組み合わせを受け取りました - (int、torch.FloatTensor、torch.DoubleTensor、torch.FloatTensor、bool) を取得しましたが、期待されていました (int 状態、torch.FloatTensor 入力、torch.FloatTensor ターゲット、torch.FloatTensor 出力、 bool sizeAverage)

ここにコードがあります

#import
import torch
import torch.nn as nn
import numpy as np
import matplotlib.pyplot as plt
from torch.autograd import Variable

#input_size = 1
input_size = 3
output_size = 1
num_epochs = 300
learning_rate = 0.002

#Data set
#x_train = np.array([[1.564],[2.11],[3.3],[5.4]], dtype=np.float32)
x_train = np.array([[73.,80.,75.],[93.,88.,93.],[89.,91.,90.],[96.,98.,100.],[73.,63.,70.]],dtype=np.float32)
#y_train = np.array([[8.0],[19.0],[25.0],[34.45]], dtype= np.float32)
y_train = np.array([[152.],[185.],[180.],[196.],[142.]])
print('x_train:\n',x_train)
print('y_train:\n',y_train)

class LinearRegression(nn.Module):
    def __init__(self,input_size,output_size):
        super(LinearRegression,self).__init__()
        self.linear = nn.Linear(input_size,output_size)

    def forward(self,x):
        out = self.linear(x) #Forward propogation 
        return out

model = LinearRegression(input_size,output_size)

#Lost and Optimizer
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(),lr=learning_rate)

#train the Model
for epoch in range(num_epochs):
    #convert numpy array to torch Variable
    inputs = Variable(torch.from_numpy(x_train)) #convert numpy array to torch tensor
    #inputs = Variable(torch.Tensor(x_train))    
    targets = Variable(torch.from_numpy(y_train)) #convert numpy array to torch tensor

    #forward+ backward + optimize
    optimizer.zero_grad() #gradient
    outputs = model(inputs) #output
    loss = criterion(outputs,targets) #loss function
    loss.backward() #backward propogation
    optimizer.step() #1-step optimization(gradeint descent)

    if(epoch+1) %5 ==0:
        print('epoch [%d/%d], Loss: %.4f' % (epoch +1, num_epochs, loss.data[0]))
        predicted = model(Variable(torch.from_numpy(x_train))).data.numpy()
        plt.plot(x_train,y_train,'ro',label='Original Data')
        plt.plot(x_train,predicted,label='Fitted Line')
        plt.legend()
        plt.show()