线性回归
主要内容包括：
1.线性回归的基本要素
2.线性回归模型从零开始的实现
3.线性回归模型使用pytorch的简洁实现
具体内容(附代码)链接：https://www.kesci.com/org/boyuai/project/5e4117b1b8c462002d687509
代码讲解视频链接：伯禹学习平台
选择题
1.
假如你正在实现一个全连接层，全连接层的输入形状是7 \times 87×8，输出形状是7 \times 17×1，其中7是批量大小，则权重参数ww和偏置参数bb的形状分别是___和____
答案：8*1；1*1
2.
课程中的损失函数定义为：
def squared_loss(y_hat, y):
return (y_hat - y.view(y_hat.size())) ** 2 / 2
将返回结果替换为下面的哪一个会导致会导致模型无法训练：（阅读材料:Broadcasting semantics — PyTorch master documentation）
A.(y_hat.view(-1) - y) ** 2 / 2
B.(y_hat - y.view(-1)) ** 2 / 2
C.(y_hat - y.view(y_hat.shape)) ** 2 / 2
D.(y_hat - y.view(-1, 1)) ** 2 / 2
答案：B
x = torch.arange(3)
y = torch.arange(3).view(3, 1)
print(x)
print(y)
print(x + y)
填空题
1.
在线性回归模型中，对于某个大小为3的批量，标签的预测值和真实值如下表所示：
该批量的损失函数的平均值为：（参考“线性回归模型从零开始的实现”中的“定义损失函数”一节，结果保留三位小数）
答案：0.112
