Pytorch网络-3
定义网络
- 建一个class
- 定义网络的层
- 定义网络的前向传播，反向传播会自动推导。
Dataloader
2.
优化器&损失函数
训练过程
model.train() 指明这个网络有梯度，要更新参数。
optimizer.zero_grad() 优化器清零。
output = model(data) 计算前传得到预测的输出。
loss=F.nall_loss(output, target) 计算损失。
loss.backward() 反向传播计算梯度，梯度默认存在优化器里面。
optimizer.step() 利用优化器对网络参数进行更新。
model.eval() 代表网络没梯度不更新网络参数。