我对pytorch非常新手，仅尝试使用自己的数据集进行简单的线性回归模型。我只使用数字值作为输入。
我已经从CSV文件中导入了数据
dataset = pd.read_csv('mlb_games_overview.csv')我已经将数据分成了四个部分：X_train, X_test, y_train, y_test
X = dataset.drop(['date', 'team', 'runs', 'win'], 1)y = dataset['win']X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=True)我已经将数据转换为pytorch张量
X_train = torch.from_numpy(np.array(X_train))X_test = torch.from_numpy(np.array(X_test))y_train = torch.from_numpy(np.array(y_train))y_test = torch.from_numpy(np.array(y_test))我已经创建了一个LinearRegressionModel
class LinearRegressionModel(torch.nn.Module): def __init__(self): super(LinearRegressionModel, self).__init__() self.linear = torch.nn.Linear(1, 1) def forward(self, x): y_pred = self.linear(x) return y_pred我已经初始化了优化器和损失函数
criterion = torch.nn.MSELoss(reduction='sum')optimizer = torch.optim.SGD(model.parameters(), lr=0.01)现在当我开始训练数据时，我得到了运行时错误：尺寸不匹配
EPOCHS = 500for epoch in range(EPOCHS): pred_y = model(X_train) # 这里出现运行时错误 loss = criterion(pred_y, y_train) optimizer.zero_grad() # 清零梯度以正确更新参数 loss.backward() # 反向传播 optimizer.step() # 更新权重 print('epoch {}, loss {}'. format(epoch, loss.data[0]))错误日志：
RuntimeError Traceback (most recent call last)<ipython-input-40-c0474231d515> in <module> 1 EPOCHS = 500 2 for epoch in range(EPOCHS):----> 3 pred_y = model(X_train) 4 loss = criterion(pred_y, y_train) 5 optimizer.zero_grad() # 清零梯度以正确更新参数RuntimeError: size mismatch, m1: [3540 x 8], m2: [1 x 1] at C:\w\1\s\windows\pytorch\aten\src\TH/generic/THTensorMath.cpp:752回答：
在你的线性回归模型中，你有：
self.linear = torch.nn.Linear(1, 1)但你的训练数据（X_train）的形状是3540 x 8，这意味着每个输入示例有8个特征。因此，你应该这样定义线性层。
self.linear = torch.nn.Linear(8, 1)PyTorch中的线性层有参数W和b。如果你将in_features设置为8，out_features设置为1，那么W矩阵的形状将是1 x 8，b向量的长度将是1。
由于你的训练数据形状是3540 x 8，你可以执行以下操作。
linear_out = X_train W_T + b希望这能解答你的疑惑。
