动手学深度学习-MLP简洁实现

import torch
from torch import nn
from d2l import torch as d2l

net = nn.Sequential(,
        nn.Flatten(),
        nn.Linear(784,256),
        nn.ReLU(),
        nn.Linear(256,10)
) # 用nn.Sequential是容器类,用于将多个层按顺序叠加

def init_weights(m):
    if type(m) == nn.Linear:
        nn.init.normal_(m.weight,std=0.01) # m.weight意味着 nn.Linear这个层存在weight这个属性

net.apply(init_weights)

batch_size,lr,num_epochs = 256,0.1,10
loss = nn.CrossEntropyLoss(reduction='none') # reduction这个参数的意思损失值是否要聚合,none表示关注每一批次的损失值
trainer = torch.optim.SGD(net.parameters(),lr=lr)# net.parameters() 表示优化的是每一层的w和b
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
d2l.train_ch3(net,train_iter,test_iter,loss,num_epochs,trainer)


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值