給定一個數據點集合$X$和對應的目標值$y$，線性模型的目標就是找到一條使用向量$w$和位移$b$描述的線，來儘可能地近似每個樣本$X[i]$和$y[i]$。用數學符號來表示就是： $\hat{y} = Xw + b$ 並最小化所有資料點上的平方誤差 $\sum_{i=1}^n (\hat{y}_i-y_i)^2.$

接下來，一起來寫一個線性迴歸模型，然後再通過 nn 包構建一個線性迴歸模型。

用torch.nn來構建模型

在PyTorch中 nn 包定義了一系列基本元件，這些元件（Modules）涵蓋了大部分構建神經網路會使用的各種層。一個元件（Modules）的輸入是Variable，經過元件之後，輸出又是另一個 Variable。

當然nn包中還包含了大部分我們平時使用的損失函式。

最後torch.optim中還含有很多我們平時使用的優化演算法，用來更新梯度。（我們上面使用的就是梯度下降法，只不過上面是我們自己手寫，現在可以直接呼叫了）

剛才，我們使用的是Tensor和autograd來構建線性迴歸的模型，現在，我們來使用torch.nn來快速構建一個線性迴歸模型.