本文共 549 字，大约阅读时间需要 1 分钟。

• 首先导入必要的库：

from mxnet import autograd, ndnum_inputs=2

• 设置参数：

num_examples = 1000  true_w = [2, -3.4]  true_b = 4.2

• 生成特征和标签：

features = nd.random.normal(scale=1, shape=(num_examples, num_inputs))  labels = true_w[0] * features[:, 0] + true_w[1] * features[:, 1] + true_b  labels += nd.random.normal(scale=0.01, shape=labels.shape)

3. 读取数据
   Gluon 提供了 data 包来处理数据加载。
• 设置批量大小：

batch_size = 10

• 创建数据集：

dataset = gdata.ArrayDataset(features, labels)

• 加载数据：

data_iter = gdata.Trainer(batch_size)