1. Apprendre
    2. /
  2. Cours
    3. /
  3. Apprentissage profond intermédiaire avec PyTorch
Connected

Exercice

Boucle d'entraînement du classifieur d'images

Il est temps d'entraîner le classifieur d'images ! Vous allez utiliser le Net défini plus tôt et l'entraîner à distinguer sept types de nuages.

Pour définir la fonction de perte et l'optimiseur, vous devrez utiliser des fonctions de torch.nn et torch.optim, importées respectivement sous les noms nn et optim. Vous n'avez rien à modifier dans la boucle d'entraînement elle-même : elle est exactement comme celles que vous avez déjà écrites, avec en plus une logique pour afficher la perte pendant l'entraînement.

Instructions

100 XP
  • Définissez le modèle avec votre classe Net en fixant num_classes à 7, puis assignez-le à net.
  • Définissez la fonction de perte comme une perte par entropie croisée et assignez-la à criterion.
  • Définissez l'optimiseur à Adam, en lui passant les paramètres du modèle et un taux d'apprentissage de 0.001, puis assignez-le à optimizer.
  • Lancez la boucle for d'entraînement en itérant sur les images et les labels d'entraînement de dataloader_train.