模型训练
构建数据集
数据集的准备我绝对是最重要
但是操作无非是处理，然后哪些是X哪些是Y，batch是多少。
神经网络的定义，前面的课程也有
唯一就是loss_fn = nn.CrossEntropyLoss()是定义损失函数，一般这个比较常见
根据任务的不同用不同的
回归任务的nn.MSELoss（均方误差）
用于分类的nn.NLLLoss（负对数似然）
最后通过训练，模型的参数不断优化的工具叫做优化器，优化器里会自动根据梯度去优化那些权重
optimizer = nn.SGD(model.trainable_params(), learning_rate=learning_rate) SGD是很常见的优化器
然后使用上次的自动微分，我们可以得到梯度，再用优化器把这些梯度利用了，去优化nn
定义个测试的
每训练一下就测一下准确度如何
这样在每一轮的训练后会出现1测试准确率，知道随着时间越多，训练越多，越来越准确
4689
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
