摘要：
本节笔记内容具体是学习tensorboard中的两个方法分别是scalar和histogram，一共分为3个部分：（1）首先学习SummaryWriter类；（2）其次，学习两个基本方法记录标量add_scalar和直方图可视化add_histogram；（3）最后，使用scalar和histogr 阅读全文
摘要：
前面的课程学习了优化器的概念，优化器中有很多超参数如学习率lr，momentum动量、weight_decay系数，这些超参数中最重要的就是学习率。学习率可以直接控制模型参数更新的步伐，此外，在整个模型训练过程中学习率也不是一成不变的，而是可以调整变化的。本节内容就可以分为以下3方面展开，分别是：（ 阅读全文
摘要：
前面学习过了Pytorch中优化器optimizer的基本属性和方法，优化器optimizer的主要功能是 “管理模型中的可学习参数，并利用参数的梯度grad以一定的策略进行更新”。本节内容分为4部分，(1)、（2）首先了解2个重要概念Learning rate学习率和momentum动量，（3）在 阅读全文
摘要：
前面我们学习过了损失函数，损失函数Loss是衡量模型输出与真实标签之间的差异的。有了损失函数Loss，通过Loss根据一定的策略 来更新模型中的参数使得损失函数Loss逐步降低；这便是优化器optimizer的任务。本节优化器optimizer主要包括3方面内容，分别是（1）什么是优化器，优化器的定 阅读全文
摘要：
5、nn.L1Loss 回归任务中常用的损失函数。 功能：计算模型输出inputs与真实标签target之差的绝对值 \[ L_n=\vert x_n-y_n\vert \] 6、nn.MSELoss 回归任务中常用的损失函数。 功能：计算模型输出inputs与target之差的平方 \[ L_n= 阅读全文