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
GEO AI搜索优化助手2 小时前
从传统SEO到生成式AI搜索优化的战略转型
人工智能·搜索引擎·生成式引擎优化·ai优化·geo搜索优化
颜颜yan_2 小时前
从 0 到 1 搭建一个「塔罗感」AI 智能体 —— 微光运势实践记录
人工智能·ai·智能体·modelengine
灰灰勇闯IT2 小时前
鸿蒙 ArkUI 声明式 UI 核心:状态管理(@State/@Prop/@Link)实战解析
人工智能·计算机视觉·harmonyos
cyyt2 小时前
深度学习周报(12.22~12.28)
人工智能·算法·机器学习
质变科技AI就绪数据云2 小时前
AI记忆架构三大路线
人工智能·ai·ai agent·智能体·记忆体
dajun1811234562 小时前
简单快速跨职能流程图在线设计工具 中文
人工智能·架构·流程图
瀚岳-诸葛弩2 小时前
ViT(Vision Transformer)的理解、实现与应用拓展的思考
人工智能·深度学习·transformer
IT_陈寒2 小时前
Vite 3.0 实战:5个优化技巧让你的开发效率提升50%
前端·人工智能·后端
Mintopia2 小时前
🤖✨ 生成式应用架构师的修炼手册
人工智能·llm·aigc