pytorch 采用此方式读取数据:
torch.utils.data.DataLoader来定义一个新的迭代器
dataiter = DataLoader (myDataset, ba tch size=3 2, shuffle=True , collate fn=default collate)
test_loader = torch.utils.data.DataLoader(dataset=test_dataset,
batch_size=batch_size,
shuffle=False)
在Pytorch里面编写神经网络,所有的层结构和损失函数都来自于torch.nn,所有模型的构建都是来自基类nn.Module继承的,
torch.optim 是一个实现各种优化算法的的包,大多数常见的算法都能够直接通过
这个包来调用,比如随机梯度下降,以及添加动量的随机棉度下降,自适应学习率等
optimizer = torch.optim.SGD(model.parameters() , lr=0.01 , momentum=0.9 )#动量可以加速收敛
model.eval() 将模型变成测试模型