pytorch实践08(刘二大人)

最新推荐文章于 2023-03-12 21:32:57 发布

chenzeyu940717

最新推荐文章于 2023-03-12 21:32:57 发布

阅读量1k

点赞数 1

文章标签： pytorch 深度学习机器学习

本文链接：https://blog.csdn.net/chenzeyu940717/article/details/122171964

版权

本文介绍了在PyTorch中如何利用mini_batch进行数据训练以提高效率，重点阐述了epoch、batch-size和iteration的概念，并探讨了Dataset和Dataloader的区别。在学习过程中，遇到并解决了Windows环境下并行运算的错误，最终实现了正确的数据加载和可视化结果。

摘要由CSDN通过智能技术生成

今天跟着刘老师学习了第八讲加载数据集，主要是让数据训练时利用mini_batch进行训练，从而提高计算速度，主要区分三个词epoch，batch-size，iteration

在视频中刘老师给出了三个名词的定义：epoch表示所有的样本训练的轮数，batch-size表示训练一次前馈和反向传播的样本的数量，iteration表示所有样本数量/一个batch-size所包含的样本数量。

随后又讲了Dataset和Dataloader的作用，Dataset 是抽象类，不能实例，而Dataloader可以实例

刘老师所给出的源代码如下：

import torch
import matplotlib.pyplot as plt
import numpy as np
from torch.utils.data import Dataset,DataLoader

#准备数据集
class DiabetesDataSet(Dataset):
    def __init__(self,filepath):
        #filepath为