我可以提供一些建议:1. 使用PyTorch模型保存API,如torch.save()或torch.jit.save(),以便模型可以在任何时间和设备上进行重新加载;2. 将模型训练好后,使用PyTorch中的评估函数,如torch.nn.CrossEntropyLoss()和torch.nn.BCELoss(),来计算模型的准确性;3. 通过使用MNIST数据集中的标签和图像,使用PyTorch提供的预测函数,如torch.nn.Softmax()和torch.nn.Sigmoid(),来评估模型的效果。
pytorch mnist 模型保存后预测打分
最新推荐文章于 2023-06-18 11:33:00 发布