База усвоена

src/main.py

@@ -0,0 +1,38 @@
+import torch
+import torch.nn as nn
+import torch.optim as optim
+
+# 1. Данные: y = 2x + 1 с шумом
+torch.manual_seed(0)
+x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)  # shape: [100,1]
+y = 2 * x + 1 + 0.2 * torch.randn(x.size())
+
+# 2. Определяем модель (1 скрытый слой, 10 нейронов)
+model = nn.Sequential(
+    nn.Linear(1, 10),  # вход -> скрытый слой
+    nn.ReLU(),         # активация
+    nn.Linear(10, 1)   # скрытый -> выход
+)
+
+# 3. Функция потерь и оптимизатор
+criterion = nn.MSELoss()
+optimizer = optim.SGD(model.parameters(), lr=0.01)
+
+# 4. Обучение
+for epoch in range(200):
+    # прямой проход
+    y_pred = model(x)
+    loss = criterion(y_pred, y)
+    
+    # обнуление градиентов и обратное распространение
+    optimizer.zero_grad()
+    loss.backward()
+    optimizer.step()
+    
+    if (epoch+1) % 40 == 0:
+        print(f'Epoch {epoch+1}/200 | Loss: {loss.item():.4f}')
+
+# 5. Проверка результата
+test_x = torch.tensor([[0.5]])
+pred_y = model(test_x)
+print(f"При x=0.5 сеть предсказывает: {pred_y.item():.3f}")