import torch

# 首先我们得有训练样本X，Y， 这里我们随机生成
x = torch.rand(20, 1) * 10
y = 2 * x + (5 + torch.randn(20, 1))
# print(x)
# print(y)
# 构建线性回归函数的参数
w = torch.randn(1, requires_grad=True)
b = torch.zeros(1, requires_grad=True)  # 这俩都需要求梯度

# 设置学习率lr为0.1
lr = 0.1

for iteration in range(10):
    # 前向传播
    wx = torch.mul(w, x)
    y_pred = torch.add(wx, b)
    print(wx)
    print(y_pred)
    # 计算loss
    loss = (0.5 * (y - y_pred) ** 2).mean()

    # 反向传播
    loss.backward()

    # 更新参数
    b.data.sub_(lr * b.grad)  # 这种_的加法操作时从自身减，相当于-=
    w.data.sub_(lr * w.grad)

    # 梯度清零
    w.grad.data.zero_()
    b.grad.data.zero_()

print(w.data, b.data)