batch size 代码

赛马丸子

已于 2022-03-07 10:42:58 修改

阅读量2.3k

点赞数

分类专栏：深度学习与机器学习文章标签： batch pytorch 深度学习

于 2022-02-12 22:09:34 首次发布

本文链接：https://blog.csdn.net/GENGXINGGUANG/article/details/122902882

版权

深度学习与机器学习专栏收录该内容

13 篇文章

订阅专栏

该博客展示了使用PyTorch训练模型的基本步骤：将numpy数组转换为Tensor，创建TensorDataset和DataLoader，设置训练循环，进行前向传播、损失计算、反向传播和优化器更新。代码示例中涉及了数据加载、模型训练和权重保存。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

假设已经有了一组numpy 数组；此处框架为PyTorch

x=np.ones((10000,3))
x=torch.Tensor(x).float()
dataset=TensorDataset(x)
dataloader=DataLoader(dataset, batch_size=50,shuffle=True,num_workers=0, drop_last=True)
#。。。
epochs=500
for epoch in range(epochs):
	for batch_idx, data in enumerate (dataloader):
		net.zero_grap()
		data=torch.tensor([item.cpu().detach().numpy() for item in data]).cuda()
        data=data.to(torch.device("cuda"))
		loss=my_criterion(data)
		loss.backward()
		optimizer.step()
		#...
		if batch_idx %100==0:
			torch.save(net.state_dict(),path+“_epoch”+str(epoch)+"myy.pt")