Usare l'ottimizzatore di PyTorch

In precedenza hai aggiornato manualmente il peso di una rete, capendo come funziona l'addestramento dietro le quinte. Tuttavia, questo metodo non è scalabile per reti profonde con molti strati.

Per fortuna, PyTorch mette a disposizione l’ottimizzatore SGD, che automatizza questo processo in modo efficiente con poche righe di codice. Ora completerai il training loop aggiornando i pesi usando un ottimizzatore di PyTorch.

È stata creata una rete neurale, fornita nella variabile model. Questo modello è stato usato per eseguire una forward pass e creare il tensore delle previsioni pred. Il tensore one-hot encoded si chiama target e la funzione di loss cross-entropy è archiviata come criterion.

torch.optim come optim e torch.nn come nn sono già stati importati per te.