2024年9月2日

摘要： 前面几篇分别是数据导入模块，模型类的构建模块，损失函数模块，优化器模块，上述模块搭建好后建立训练模块，将上述几个模块在训练模块中调用完成训练。 这个不太好解释直接看模块示例： 上面是训练模块，分别传入训练总轮次steps，实例化模型model,损失函数loss_func，但是下面训练的时候它将损失函 阅读全文

摘要： 优化器使用就很简单了基本上直接设置优化器直接调用就行，在训练的时候把优化器传入训练模型模块中 优化器使用每次要清空不然会一直堆叠，在进行反向传播后更新参数也是调用优化器 再来段文心生成的代码看看优化器什么时候使用： 阅读全文

摘要： 直接调用定义就好了要使用的损失函数，但是nn.functional和nn.Module中都有损失函数，至于从哪个包中调用损失函数看你的需求，和图中所说一样，如果没有需要学习的参数就用nn.functional,如果有要学习更新的参数就用nn.Module。 虽然是这样说，但是我看这个代码下面使用的就 阅读全文

摘要： 使用Pytorch自己建立一个模型类： 继承初始 建立一个模型的类，一定要继承nn,Module父类， 初始化: def __init__(self): super(self).__init__(): 如果不这样操作就使用不了继承中初始化，也使用不了继承的一些函数。 建立自己的网络层 图中初始化后的 阅读全文

摘要： 先导入数据： 将要处理的文件数据导入x_train,y_train,x_valid,y_valid中，转换为张量。 使用PyTorch中的数据模块，将上面转换为张量的数据使用TensorDataset函数转换为数据集。 之后使用DataLoader来加载数据集，DataLoader包相当于一个派发器 阅读全文