欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

人工智能學習Pytorch數(shù)據(jù)集分割及動量示例詳解

 更新時間:2021年11月11日 15:28:32   作者:Swayzzu  
這篇文章主要為大家介紹了人工智能學習Pytorch數(shù)據(jù)集分割及動量示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步

1.數(shù)據(jù)集分割

通過datasets可以直接分別獲取訓練集和測試集。

通常我們會將訓練集進行分割,通過torch.utils.data.random_split方法。

所有的數(shù)據(jù)都需要通過torch.util.data.DataLoader進行加載,才可以得到可以使用的數(shù)據(jù)集。

具體代碼如下:

2.

2.正則化

PyTorch中的正則化和機器學習中的一樣,不過設置方式不一樣。

直接在優(yōu)化器中,設置weight_decay即可。優(yōu)化器中,默認的是L2范式,因此填入的參數(shù)就是lambda。想要使用L1范式的話,需要手動寫出代碼。

3.動量和學習率衰減

動量的設置可以直接在優(yōu)化器中完成。通過momentum參數(shù)設置。

學習率的調整通過torch.optim.lr_scheduler中的ReduceLROnPlateau,StepLR實現(xiàn)。

ReduceLROnPlateau是自動檢測損失值,并衰減學習率。

StepLR需要手動設置衰減的參數(shù)。

以上就是人工智能學習Pytorch數(shù)據(jù)集分割及動量示例詳解的詳細內容,更多關于pytorch數(shù)據(jù)集分割及動量的資料請關注腳本之家其它相關文章!

相關文章

最新評論