1. Nauka
    2. /
  2. Kursy
    3. /
  3. Głębokie uczenie z PyTorch – poziom średnio zaawansowany
Connected

ćwiczenie

Pętla treningowa klasyfikatora obrazów

Czas wytrenować klasyfikator obrazów! Użyjesz sieci Net zdefiniowanej wcześniej i nauczysz ją rozróżniać siedem rodzajów chmur.

Do zdefiniowania funkcji straty i optymalizatora skorzystasz z funkcji z bibliotek torch.nn i torch.optim, zaimportowanych odpowiednio jako nn i optim. Nie musisz niczego zmieniać w samej pętli treningowej – wygląda dokładnie tak samo jak te, które pisałeś wcześniej, z dodatkową logiką wyświetlającą wartość straty podczas treningu.

Instrukcje

100 XP
  • Zdefiniuj model, używając klasy Net z parametrem num_classes ustawionym na 7, i przypisz go do zmiennej net.
  • Zdefiniuj funkcję straty jako entropię krzyżową i przypisz ją do zmiennej criterion.
  • Zdefiniuj optymalizator Adam, przekazując mu parametry modelu oraz tempo uczenia równe 0.001, i przypisz go do zmiennej optimizer.
  • Rozpocznij pętlę treningową, iterując po obrazach images i etykietach labels ze zbioru dataloader_train.