softmax分类网络简洁实现（fashion-mnist）

前言

基于pytorch框架的softmax分类网络简洁实现。

读取数据

batch_size=256
train_iter, test_iter = data_iter.load_data_fashion_mnist(batch_size)

load_data_fashion_mnist（）

定义模型

net=nn.Sequential(nn.Flatten(),nn.Linear(784,10))

初始化模型参数

def init_weights(m):
    if type(m)==nn.Linear:
        nn.init.normal_(m.weight,std=0.01) # 默认均值0，标准差为1

net.apply(init_weights)

损失函数

softmax操作整合到交叉熵损失函数之中。

loss=nn.CrossEntropyLoss(reduction='none') # 不综合，表示输出所有样本的损失，reduction还可以选择mean计算损失的均值，选择sum输出损失的和

优化算法

trainer=torch.optim.SGD(net.parameters(),lr=0.08)

训练

训练过程：

• 计算预测值
• 计算损失
• 反向传播
• 更新参数

num_epochs=10

Train.train(net,train_iter,test_iter,loss,num_epochs,trainer)