python打卡day35

  1. 三种不同的模型可视化方法:推荐torchinfo打印summary+权重分布可视化

  2. 进度条功能:手动和自动写法,让打印结果更加美观

  3. 推理的写法:评估模式

作业:调整模型定义时的超参数,对比下效果。

复制代码
# 可调整批次大小
batch_size = 64
# 创建训练和测试数据加载器
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
# 可调整学习率
optimizer = optim.Adam(model.parameters(), lr=0.001)  # Adam优化器
# 可调整训练轮次
epochs = 20  # 训练轮次
final_accuracy = train(model, train_loader, test_loader, criterion, optimizer, device, epochs, writer)

# 创建数据加载器(可调整batch_size)
# 可调整批次大小
batch_size = 64
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)

@疏锦行

相关推荐
老鱼说AI5 分钟前
Vision Transformer (ViT) 详解:当Transformer“看见”世界,计算机视觉的范式革命
人工智能·深度学习·transformer
Dymc8 分钟前
【计算机视觉与代码大模型全景解析:从理论基础到学习路线】
人工智能·学习·计算机视觉
荼蘼8 分钟前
机器学习之决策树(二)
人工智能·决策树·机器学习
Sunhen_Qiletian1 小时前
NumPy库学习(三):numpy在人工智能数据处理的具体应用及方法
人工智能·深度学习·神经网络·机器学习·计算机视觉·numpy
吕永强1 小时前
人工智能与家庭:智能家居的便捷与隐患
人工智能·科普
kv18301 小时前
opencv解迷宫
人工智能·opencv·计算机视觉·广度优先搜索·图算法
Phoenixtree_DongZhao2 小时前
迈向透明人工智能: 可解释性大语言模型研究综述
人工智能·语言模型·自然语言处理
亅-丿-丶丿丶一l一丶-/^n2 小时前
deep research|从搜索引擎到搜索助手的实践(一)
人工智能·搜索引擎·deep research
说私域2 小时前
新零售“实—虚—合”逻辑下的技术赋能与模式革新:基于开源AI大模型、AI智能名片与S2B2C商城小程序源码的研究
人工智能·开源·零售
bright_colo2 小时前
Python-初学openCV——图像预处理(六)
人工智能·opencv·计算机视觉