方法一:直接在epoch过程中求取准确率
简介:此段代码是LeNet5中截取的。
def train_model(model,train_loader):
optimizer = torch.optim.Adam(model.parameters())
loss_func = nn.CrossEntropyLoss()
EPOCHS = 5
for epoch in range(EPOCHS):
correct = 0
for batch_idx,(X_batch,y_batch) in enumerate(train_loader):
optimizer.zero_grad()
#这里是只取训练数据的意思吗,X_batch和y_batch是怎么分开的?
#答:X_batch和y_batch是一一对应的,只不过顺序打乱了,参考torch.utils.data.ipynb
output = model(X_batch.float()) #X_batch.float()是什么意思
loss = loss_func(output,y_batch)
loss.backward()
optimizer.step()
# Total correct predictions
#第一个1代表取每行的最大值,第二个1代表只取最大值的索引
#这两行代码是求准确率的地方
predicted = torch.max(output.data,1)[1]
correct += (predicted == y_batch).su