Configuration de l'optimiseur
Maintenant que nous disposons d'une logique d'entraînement, nous devons préciser comment optimiser les paramètres du modèle.
Dans cet exercice, vous allez compléter la méthode d'configure_optimizers dans un module PyTorch Lightning utilisé pour les tâches de classification d'images. Votre objectif est de configurer un optimiseur qui mettra à jour les paramètres du modèle pendant l'entraînement. Pour ce faire, vous utiliserez l'optimiseur Adam avec un taux d'apprentissage de 1e-3.
Cet exercice fait partie du cours
Modèles d'IA évolutifs avec PyTorch Lightning
Instructions
- Veuillez créer un optimiseur Adam en utilisant les paramètres du modèle, en définissant le taux d'apprentissage sur
1e-3.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
import torch
def configure_optimizers(self):
# Create an Adam optimizer for model parameters
optimizer = ____
return optimizer