本文探讨了人工智能模型的训练流程，包括数据处理、模型训练和损失计算。在数据处理阶段，介绍了使用yield和PyTorch的DataLoader进行批量输入。训练阶段强调了理解并正确应用标准代码的重要性。在损失计算中，解释了softmax、log和nn.NLLLoss如何等价于nn.CrossEntropyLoss。理解模型架构中数据shape的含义对于后续步骤至关重要。
1.首先需要建立：数据处理、训练、损失的三个大步骤。
2. 在数据处理阶段：有很多方法可以形成按批次输入训练的方法。比如yield、pytorch 的dataloader 。
3.在训练阶段：有一些固定写法的代码，需要理解，并不要忘记。
3.在损失阶段。不同的方法求损失。 如pytorch里softmax(x)+log(x)+nn.NLLLoss====>nn.CrossEntropyLoss。
在模型架构方面: data的shape各个维度代表什么意思，是必须要理解的，理解了 这个，再理解后面的就顺利多了。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
