# 定義網路
net = net(
)# 定義資料
#資料預處理，1.轉為tensor，2.歸一化
transform = transforms.compose(
[transforms.totensor(),
transforms.normalize(
(0.5
,0.5
,0.5),
(0.5
,0.5
,0.5))
])# 訓練集
trainset = torchvision.datasets.cifar10(root=
'./data'
, train=
true
, download=
true
, transform=transform)
trainloader = torch.utils.data.dataloader(trainset, batch_size=4,
shuffle=
true
, num_workers=2)
# 驗證集
testset = torchvision.datasets.cifar10(root=
'./data'
, train=
false
, download=
true
, transform=transform)
testloader = torch.utils.data.dataloader(testset, batch_size=4,
shuffle=
false
, num_workers=2)
# 定義損失函式和優化器
criterion = nn.crossentropyloss(
)optimizer = optim.sgd(net.parameters(
), lr=
0.001
, momentum=
0.9)
# 開始訓練
net.train(
)for epoch in
range(2
):# loop over the dataset multiple times
running_loss =
0.0for i, data in
enumerate
(trainloader,0)
:# get the inputs; data is a list of [inputs, labels]
inputs, labels = data
# 將梯度置為0
# zero the parameter gradients
optimizer.zero_grad(
)# 求loss
# forward + backward + optimize
outputs = net(inputs)
loss = criterion(outputs, labels)
# 梯度反向傳播
loss.backward(
)# 由梯度，更新引數
optimizer.step(
)# 視覺化
# print statistics
running_loss += loss.item(
)if i %
2000
==1999
:# print every 2000 mini-batches
print
('[%d, %5d] loss: %.3f'
%(epoch +
1, i +
1, running_loss /
2000))
running_loss =
0.0# 檢視在驗證集上的效果
dataiter =
iter
(testloader)
images, labels = dataiter.
next()
# print images
imshow(torchvision.utils.make_grid(images)
)print
('groundtruth: '
,' '
.join(
'%5s'
% classes[labels[j]
]for j in
range(4
)))net.
eval()
outputs = net(images)
_, predicted = torch.
max(outputs,1)
print
('predicted: '
,' '
.join(
'%5s'
% classes[predicted[j]
]for j in
range(4
)))
深度學習框架 PyTorch（一）
pytorch是基於python的開源深度學習框架，它包括了支援gpus計算的tensor模組以及自動求導等先進的模組，被廣泛應用於科學研究中，是最流行的動態圖框架。pytorch的運算單元叫作張量tensor。我們可以將張量理解為乙個多維陣列，一階張量即為一位陣列，通常叫作向量vector 二階張...
第04課 深度學習框架 PyTorch
隨著深度學習的研究熱潮持續高漲，各種開源深度學習框架也層出不窮，包括 tensorflow pytorch caffe2 keras cntk mxnet paddle deeplearning4 lasagne neon 等等。其中，谷歌推出的 tensorflow 無疑在關注度和使用者數上都佔據...
pytorch 深度學習
pytorch深度學習實踐 訓練集 開發集 模型評估 測試集。f x wx b f x wx b f x w x bloss 乙個樣本 cost mean square error training set 區域性最優，不一定全域性最優。鞍點 梯度為0，但無法繼續迭代。w w c ost ww w ...