昇思25天学习打卡营第6天|seaborn_pandas

今天学习了模型训练部分，感觉稍微比pytorch复杂一点，但也更好地表现了算法的细节:

数据准备

• 使用内置数据集或者自定义数据集GeneratorDataset，使用map函数数据集进行广播处理，然后使用batch函数设置batch_size

定义模型

• 使用SequentialCell函数对网络层进行打包，后面的construct相当于forward函数

定义超参数、损失函数和优化器

• epochs、lr、loss_fn=nn.CrossEntropyLoss、optimizer=nn.SGD(model.trainable_params(), learning_rate=lr)

训练与验证：

• 首先定义forward_fn，输入自变量和标签张量，返回损失和预测值
• 使用value_and_grad函数生成梯度计算函数，注意第二个和第三个参数对应不同的求导目标
• 构造一个batch_size数据的训练过程，这里完成网络参数的更新
• 构建一个loop的训练过程
• 构建测试函数
• 开炼！