- 准备数据&加载数据
- 定义损失函数
自定义损失函数或者使用Pytorch中已有的 - 定义网络
自定义或者引用 - 定义优化器
定义梯度下降方法,学习率调整策略等。 - 迭代训练
迭代训练,for循环。
- import 相关模块,如 import tensorflow as tf。
- 指定输入网络的训练集和测试集,如指定训练集的输入 x_train 和标签y_train,测试集的输入 x_test 和标签 y_test。
- 逐层搭建网络结构,model = tf.keras.models.Sequential()。
- 在 model.compile()中配置训练方法,选择训练时使用的优化器、损失函数和最终评价指标。
- 在 model.fit()中执行训练过程,告知训练集和测试集的输入值和标签、每个 batch 的大小(batchsize)和数据集的迭代次数(epoch)。
- 使用 model.summary()打印网络结构,统计参数数目。