1.在定义模型时，def __init__(): 写一些你用到了了那些层
2.前向传播： 在上面写了这么多层，这些层怎么用的，怎么搭配。
3.优化器：optimizer = torch.optim.SGD( 需要优化的参数 eg: model.paramenters(), lr = learning_rate)
调用的时候：optimizer.step()
4.把模型放到GPU上
把数据放到GPU上
5.创建 module 来更简化代码
6.train
本文概述了深度学习中的关键步骤，包括模型定义的`__init__`方法，如何运用多层结构进行前向传播，使用PyTorch的SGD优化器进行参数调整，以及将模型和数据迁移到GPU以提高性能，最后介绍了模块化编程以简化代码的训练过程。
扫一扫
50万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
