Korzystanie z optymalizatora PyTorch

Wcześniej ręcznie aktualizowałeś wagi sieci, poznając w ten sposób mechanizm uczenia od podszewki. Jednak takie podejście nie sprawdza się w przypadku głębokich sieci z wieloma warstwami.

Na szczęście PyTorch oferuje optymalizator SGD, który automatyzuje ten proces w zaledwie kilku linijkach kodu. Teraz dokończysz pętlę treningową, aktualizując wagi za pomocą optymalizatora PyTorch.

Sieć neuronowa została już utworzona i jest dostępna jako zmienna model. Posłużyła ona do wykonania przejścia w przód i wygenerowania tensora predykcji pred. Tensor zakodowany metodą one-hot nosi nazwę target, a funkcja straty cross-entropy jest przechowywana jako criterion.

torch.optim jako optim oraz torch.nn jako nn zostały już zaimportowane.