企业手机网站建设推广,怎样修改网站标题,网站访问加速器,个体户可以做网站吗系列文章目录
pytorch学习1-数据加载以及Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换#xff08;ReLU和sigmoid#xff09;pytorc…系列文章目录
pytorch学习1-数据加载以及Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换ReLU和sigmoidpytorch学习7-序列模型搭建pytorch学习8-损失函数与反向传播pytorch学习9-优化器学习pytorch学习10-网络模型的保存和加载pytorch学习11-完整的模型训练过程 文章目录 系列文章目录一、优化器使用总结 一、优化器使用
import torch.optim
import torchvision
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Sequential, Flatten, Linear
from torch.utils.data import DataLoaderdatasettorchvision.datasets.CIFAR10(data,trainFalse,transformtorchvision.transforms.ToTensor(),downloadTrue)
dataloaderDataLoader(dataset,batch_size1)class Mynn(nn.Module):#这是使用序列的方法def __init__(self):super(Mynn,self).__init__()self.model1Sequential(Conv2d(3, 32, 5, padding2),MaxPool2d(2),Conv2d(32, 32, 5, padding2),MaxPool2d(2),Conv2d(32, 64, 5, padding2),MaxPool2d(2),Flatten(),Linear(1024, 64),Linear(64, 10))def forward(self,x):xself.model1(x)return xmynnMynn()
lossnn.CrossEntropyLoss()
optimtorch.optim.SGD(mynn.parameters(),lr0.01)#调用SGD优化器。第一个参数是把模型的参数全输入进去for epoch in range(20):runing_loss0.0for data in dataloader:imgs,targetdataoutputsmynn(imgs)result_lossloss(outputs,target)optim.zero_grad()#将上一次的梯度设置为0这一步必须做result_loss.backward()#反向传播计算出模型的参数optim.step()#进行完反向传播之后模型的参数就计算出来了就可以调用优化器了runing_lossruning_lossresult_lossprint(runing_loss)#查看每一轮的损失之和总结
以上就是今天要讲的内容优化器的使用
