【SegRNN 源码理解】控制台输出信息

 

              if (i + 1) % 100 == 0:
                    print("\titers: {0}, epoch: {1} | loss: {2:.7f}".format(i + 1, epoch + 1, loss.item()))
                    speed = (time.time() - time_now) / iter_count
                    left_time = speed * ((self.args.train_epochs - epoch) * train_steps - i)
                    print('\tspeed: {:.4f}s/iter; left time: {:.4f}s'.format(speed, left_time))
                    iter_count = 0
                    time_now = time.time()

迭代与 epoch

• for epoch in range(self.args.train_epochs): 表示训练过程将进行 self.args.train_epochs 个 epoch。
• for i, (batch_x, batch_y, batch_x_mark, batch_y_mark) in enumerate(train_loader): 表示在每个 epoch 中，模型将遍历 train_loader 中的所有小批量数据，每个小批量数据对应一次迭代。

iter_count

optim

优化器会根据其内部的更新规则（如 Adam 算法）调整模型的权重和偏置。