标签:11 acc nn loss train 感知机 pytorch num test
多层感知机的简洁实现
import torch
from torch import nn
from torch.nn import init
import sys
import numpy as np
sys.path.append('..')
import d2lzh_pytorch as d2l
定义模型
num_inputs,num_outputs,num_hidden =784,10,256
net = nn.Sequential(d2l.FlattenLayer(),
nn.Linear(num_inputs,num_hidden),
nn.ReLU(),
nn.Linear(num_hidden,num_outputs),
)
for params in net.parameters():
init.normal_(params,mean=0,std=0.01)
print(net.parameters)
<bound method Module.parameters of Sequential(
(0): FlattenLayer()
(1): Linear(in_features=784, out_features=256, bias=True)
(2): ReLU()
(3): Linear(in_features=256, out_features=10, bias=True)
)>
读取数据
batch_size= 256
train_iter,test_iter = d2l.get_fahsion_mnist(batch_size)
损失函数
loss = nn.CrossEntropyLoss()
定义优化算法
optimizer = torch.optim.SGD(net.parameters(),lr=0.5)
num_epochs =5
训练数据并验证测试集
d2l.train_ch3(net,train_iter,test_iter,loss,num_epochs,batch_size,None,None,optimizer)
epoch 1, loss 0.0031, train acc 0.707, test acc 0.810
epoch 2, loss 0.0019, train acc 0.821, test acc 0.810
epoch 3, loss 0.0017, train acc 0.843, test acc 0.835
epoch 4, loss 0.0015, train acc 0.858, test acc 0.840
epoch 5, loss 0.0014, train acc 0.865, test acc 0.853
小结
- 通过pytorch可以使用Sequential这样的写法简洁的实现多层感知机
标签:11,acc,nn,loss,train,感知机,pytorch,num,test 来源: https://www.cnblogs.com/onemorepoint/p/11811635.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。