我需要从5个人那里收集身高和体重信息，并将其用作训练数据，在Colab中学习线性回归模型。

我有一个示例代码，我已经对其进行了修改，但它从一开始就不工作。

我应该如何修正代码以使使用训练数据的线性回归模型正常工作？我目前修改的代码如下。下面的身高和体重数据是我随机选择的值。

import torchimport torch.optim as optim# 定义数据x_train=torch.Float Tensor([48],[52],[60],[65],[73])y_train=torch.Float Tensor([158],[162],[170],[175],[183])# 假设初始化W=torch.zeros(1,requires_grad=True)b=torch.zeros(1,requires_grad=True)# 定义优化器 optimizer=torch.optim.SGD([W,b],Ir=0.01)nb_epochs=1000for epoch in range(nb_epochs+1):  # 计算 H(x)  hypothesis=x_train*W+b  # 计算成本  cost=torch.mean((hypothesis-y_train)**2)  # 使用优化器进行学习  optimizer.zero_grad()  cost.backward()  optimizer.step()  # 每100次输出日志  if epoch % 100 ==0:    print('Epoch{:4d}/{}W:{:.3f},b:{:.3f}Coast:{:.6f}'.format(        epoch,nb_epochs,W.item(),b.item(),cost.item()    ))

回答：

代码片段中有几个小错误，实际上你可以从错误消息中读取这些错误

1. torch.Tensor()，以及”torch.Tensor 是默认张量类型（torch.FloatTensor）的别名”
2. 你输入的数据应该是Python列表或序列
3. Ir->lr（不是ir，而是Lr）
4. 尝试降低学习率（lr）来解决NaN问题
5. 用足够的epochs进行训练

在最少的修改下，它可以工作

import torchimport torch.optim as optim# 定义数据x_train=torch.Tensor([[48],[52],[60],[65],[73]])y_train=torch.Tensor([[158],[162],[170],[175],[183]])# 假设初始化W=torch.zeros(1,requires_grad=True)b=torch.zeros(1,requires_grad=True)# 定义优化器 optimizer=torch.optim.SGD([W,b],lr=0.0001)nb_epochs=1000000for epoch in range(nb_epochs+1):  # 计算 H(x)  hypothesis=x_train*W+b  # 计算成本  cost=torch.mean((hypothesis-y_train)**2)  # 使用优化器进行学习  optimizer.zero_grad()  cost.backward()  optimizer.step()  # 每200次输出日志  if epoch % 200 ==0:    print('Epoch{:4d}/{}W:{:.3f},b:{:.3f}Coast:{:.6f}'.format(        epoch,nb_epochs,W.item(),b.item(),cost.item()    ))

参考：https://pytorch.org/docs/stable/tensors.html