昇思训练营day7学习心得-模型训练

模型训练：使用已知的数据（训练集）来教导模型如何做出预测或决策。

构建数据集

从某个数据源（如文件、数据库或在线API）加载数据，并进行必要的预处理。MindSpore提供了Dataset类来方便地处理数据。

定义神经网络模型

从网络构建中加载代码，构建一个神经网络模型。

定义超参、损失函数和优化器

超参

超参是可以调整的参数，可以控制模型训练优化的过程，不同的超参数值可能会影响模型训练和收敛速度。

损失函数

评估模型的预测值和目标值之间的误差。损失函数会评估预测结果与目标值的相异程度，模型训练的目标即为降低损失函数求得的误差。

优化器

调整模型参数以减少模型误差。

训练与评估

循环输入数据来训练模型。一次数据集的完整迭代循环称为一轮。每轮执行训练时包括两个步骤：

1. 训练：迭代训练数据集，尝试收敛到最佳参数。
2. 测试：迭代测试数据集，检查模型性能是否提升。