minibatch(批训练)

我们之前的代码中都是将所有的数据一起feed到神经网络中进行训练,但是当数据量比较大的时候,效率就会下下降,这个时候就需要批训练,分批把数据feed到网络中,这样会提高效率。

小demo:

import torch
import matplotlib.pyplot as plt
#进行批训练的时候需要用到data这个模块
import torch.utils.data as Data
from torch.autograd import Variable
x=torch.linspace(1,10,10)
y=torch.linspace(10,1,10)

torch_dataset=Data.TensorDataset(x,y)
BATCH_SIZE=5
loader=Data.DataLoader(
    dataset=torch_dataset,
    batch_size=BATCH_SIZE,
    shuffle=True,
    num_workers=2,
)

def show():
    for epoch in range(3):
        for step,(batch_x,batch_y) in enumerate(loader):
            print ('epoch:',epoch,'|step',step,'|x:',batch_x.numpy(),'|y:',batch_y.numpy())
show()

加油,当你看到我的博客的时候,相信你一定在努力成为最好的自己的路上!

加油,别放弃,坚持,每天一点点,相信一年后的你一定会感谢现在的你!

如果你真的迷茫了,我愿当你的倾听者,但是你千万不能放弃,因为改变命运的机会真的不多呀!

QQ小号:1817780086   

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值