Pytorch 读取和下载数据及其优化

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