DAY 44 简单CNN

python 复制代码
epochs = 20  # 增加训练轮次以获得更好效果
model = CNN()
model = model.to(device)  # 将模型移至GPU(如果可用)
criterion = nn.CrossEntropyLoss()  # 交叉熵损失函数
optimizer = optim.Adam(model.parameters(), lr=0.001)  # Adam优化器
scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.1)  
print("开始使用CNN训练模型...")
final_accuracy = train(model, train_loader, test_loader, criterion, optimizer, scheduler, device, epochs)
print(f"训练完成!最终测试准确率: {final_accuracy:.2f}%")

更换了调度器,不过没有很明显的区别

@浙大疏锦行

相关推荐
5Gcamera1 天前
4G body camera BC310/BC310D user manual
人工智能·边缘计算·智能安全帽·执法记录仪·smarteye
爱喝可乐的老王1 天前
机器学习中常用交叉验证总结
人工智能·机器学习
公链开发1 天前
2026 Web3机构级风口:RWA Tokenization + ZK隐私系统定制开发全解析
人工智能·web3·区块链
wyw00001 天前
目标检测之YOLO
人工智能·yolo·目标检测
发哥来了1 天前
AI视频生成企业级方案选型指南:2025年核心能力与成本维度深度对比
大数据·人工智能
_codemonster1 天前
强化学习入门到实战系列(四)马尔科夫决策过程
人工智能
北邮刘老师1 天前
智能体治理:人工智能时代信息化系统的全新挑战与课题
大数据·人工智能·算法·机器学习·智能体互联网
laplace01231 天前
第七章 构建自己的agent智能体框架
网络·人工智能·microsoft·agent
诗词在线1 天前
中国古代诗词名句按主题分类有哪些?(爱国 / 思乡 / 送别)
人工智能·python·分类·数据挖掘
高锰酸钾_1 天前
机器学习-L1正则化和L2正则化解决过拟合问题
人工智能·python·机器学习