动手学深度学习pytorch版练习解答-3.7softmax的简洁实现

1. 尝试调整超参数，例如批量⼤小、迭代周期数和学习率，并查看结果。

# 此处仅演示一个批量大小改变，其他的自己调参数，注意下面说的即可
# 调整批量大小至256，得记得重新弄一个网络
new_batch_size_256 = 256
new_train_iter_256, new_test_iter_256 = d2l.load_data_fashion_mnist(new_batch_size_256)
new_net_batch_size_256 = nn.Sequential(nn.Flatten(),nn.Linear(784,10))
new_net_batch_size_256.apply(init_weights)
# 优化器和训练函数参数要改为新网络的参数
trainer = torch.optim.SGD(new_net_batch_size_256.parameters(),lr=0.1)
d2l.train_ch3(new_net_batch_size_256,new_train_iter_256, new_test_iter_256,loss,num_epochs,trainer)

2. 增加迭代周期的数量。为什么测试精度会在⼀段时间后降低？我们怎么解决这个问题？

造成了模型对训练数据的过拟合；减少迭代周期数量，增加训练样本等等