Pytorch-搭建网络框架(零)

Hello

数据模块

数据循环训练中的部分概念：
Epoch：所有训练样本数据都被输入到模型中一次，称为一个Epoch
Iteration：一批训练样本输入到模型中一次，成为一个Iteration
Batchsize：批次大小，一个Epoch中有多少个Iteration的数量

举例：
训练样本总数：800
Batchsize：8
则：
1个Iteration有80个数据：每次模型训练输入80个数据
训练8次之后，所有样本数据会训练一遍，此时称为一个Epoch

1个Epoch = 10个 Iteration
Batchsize = Epoch/Iteration = 10

模型的训练、预测，损失函数的计算、反向传播，优化器的参数更新，都会在Epoch、Iteration、Batchsize组成的数据循环中进行

for epoch in range(MAX_EPOCH):

    loss_mean = 0.
    correct = 0.
    total = 0.

    net.train()
    for i, data in enumerate(train_loader):

        # forward
        inputs, labels = data
        outputs = net(inputs)

        # backward
        optimizer.zero_grad()
        loss = criterion(outputs, labels)
        loss.backward()

        # update weights
        optimizer.step()

Bye