با استفاده از کتابخانه torch در پایتون یک مدل رگرسیون خطی ساده بسازید که با گرادیان نزولی پارامترها را روی داده‌های مصنوعی آموزش دهد و در پایان وزن‌ها و مقدار خطا را چاپ کند.

با استفاده از torch داده‌های مصنوعی بسازید (مثلاً y = 3x + 2 + نویز)، پارامترهای وزن و بایاس را به صورت torch.tensor با requires_grad=True مقداردهی اولیه کنید، پیش‌بینی را تعریف کرده و خطای MSE را محاسبه نمایید؛ سپس از autograd (loss.backward()) و یا torch.optim.SGD برای به‌روزرسانی پارامترها در حلقه‌ی آموزش استفاده کنید و هر چند epoch مقدار loss و وزن‌ها را چاپ کنید. نکات: برای تکرارپذیری torch.manual_seed را تنظیم کنید، نرخ یادگیری کوچک انتخاب کنید، در مرحله ارزیابی از torch.no_grad() استفاده کنید و در صورت نیاز ورودی‌ها را نرمال‌سازی کنید تا همگرایی بهتر شود.