1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction au Deep Learning avec PyTorch
Connected

Exercice

Utiliser l'optimiseur de PyTorch

Plus tôt, vous avez mis à jour manuellement le poids d'un réseau, ce qui vous a permis de comprendre comment l'entraînement fonctionne en coulisse. Cependant, cette méthode n'est pas viable pour des réseaux profonds comportant de nombreuses couches.

Heureusement, PyTorch offre l'optimiseur SGD, qui automatise ce processus efficacement en seulement quelques lignes de code. Vous allez maintenant compléter la boucle d'entraînement en mettant à jour les poids à l'aide d'un optimiseur PyTorch.

Un réseau de neurones a été créé et est fourni dans la variable model. Ce modèle a servi à exécuter une passe avant et à créer le tenseur de prédictions pred. Le tenseur one-hot est nommé target et la fonction de perte d'entropie croisée est stockée dans criterion.

torch.optim sous le nom optim, et torch.nn sous le nom nn ont déjà été chargés pour vous.

Instructions 1/2

undefined XP
    1
    2
  • Utilisez optim pour créer un optimiseur SGD avec un taux d'apprentissage de votre choix (doit être inférieur à un) pour le model fourni.