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

Exercice

Optimiseurs

Il est temps d'explorer les différents optimiseurs que vous pouvez utiliser pour entraîner votre modèle.

Une fonction personnalisée appelée train_model(optimizer, net, num_epochs) a été définie pour vous. Elle reçoit l'optimiseur, le modèle et le nombre d'époques en entrée, exécute les boucles d'entraînement et affiche la perte d'entraînement à la fin.

Utilisons train_model() pour lancer quelques courts entraînements avec différents optimiseurs et comparer les résultats!

Instructions 1/3

undefined XP
  • 1
    • Définissez l'optimizer comme descente de gradient stochastique (Stochastic Gradient Descent).
  • 2
    • Définissez l'optimiseur comme Root Mean Square Propagation (RMSprop), en passant les paramètres du modèle comme premier argument.
  • 3
    • Définissez l'optimiseur comme Adaptive Moments Estimation (Adam), en fixant le taux d'apprentissage à 0.001.