qq_41005604的博客

模型保存模型导入 使用

import torchimport torch.nn as nnimport torch.optim as optimfrom torchvision import datasets, transformsfrom torch.utils.data import DataLoader# 下载训练集train_dataset = datasets.MNIST(root='./', train=True, transform=tra

有些没有注释的在前面01 已经注释过了import torchimport torch.nn as nnimport torch.optim as optimfrom torchvision import datasets, transformsfrom torch.utils.data import DataLoader# 下载训练集train_dataset = datasets.MNIST(root='./', train=True,

正则化主要是在定义优化器的时候使用改变的地方放在这里LR = 0.5# 定义模型model = Net()# 定义代价函数mse_loss = nn.CrossEntropyLoss()# 定义优化器,设置L2正则化'''只需要改这个地方就可以了'''optimizer = optim.SGD(model.parameters(), LR, weight_decay=0.001)...

Dropout的使用主要是在定义网络结构在01的基础上，把改变的网络结构放在这里了# 定义网络结构'''class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.layer1 = nn.Sequential【用顺序模型封装起来】(nn.Linear(784,500), nn.Dropout(p=0.5), nn.Tanh()【激活函数】) self.l

import numpy as npfrom torch import nn,optimfrom torch.autograd import Variablefrom torchvision import datasets, transformsfrom torch.utils.data import DataLoaderimport torch# 训练集'''root='./' 就是数据集存放的位置，./就是数据集在相同的目录下train=True, 表示的是训练集的数据transf