DAY 35


一、模型结构可视化

理解模型的两大关键:损失函数如何定义任务 ,以及层设计如何决定参数总量。

1. nn.Module 自带方法
  • 打印模型结构 :print(model) 直接输出各层名称与顺序。
  • 查看参数详情 :model.named_parameters() 可遍历所有可训练参数,获取名称、形状(param.shape)。
  • 权重分布分析 :提取 weight 参数并转为 numpy 数组,绘制直方图观察各层权重的均值、标准差、最值等统计量。这些信息可辅助调整学习率、初始化方法或正则化强度。
2. torchsummary 库的 summary
  • 安装:pip install torchsummary
  • 用法:summary(model, input_size=(4,))
  • 必须提供 input_size(不含批量维度),因为 PyTorch 是动态图,需通过虚拟输入前向传播一次来推断各层的输出形状和参数量。
  • input_size 格式取决于模型类型:MLP 用 (特征数,),CNN 用 (通道, 高, 宽),RNN 用 (序列长度, 特征数)。
  • 报告中参数量的计算:如 Linear(4,10) 有 4×10 个权重 + 10 个偏置 = 50 个参数;Linear(10,3) 有 10×3+3=33,总参数量 83。
3. torchinfo 库的 summary
  • 提供比 torchsummary 更详细的摘要,包括每层输入/输出形状、参数量、计算量等,常与 TensorBoard 配合使用。
  • 用法相同:summary(model, input_size=(4,))

二、进度条功能(tqdm)

tqdm 用于在循环中可视化训练进度。

1. 手动更新
python 复制代码
from tqdm import tqdm
with tqdm(total=10, desc="训练进度", unit="epoch") as pbar:
    for i in range(10):
        # 训练代码...
        pbar.update(1)          # 手动前进1步
        pbar.set_postfix({'Loss': f'{loss:.4f}'})  # 显示实时指标
  • desc:左侧描述文字;unit:进度单位(如 epoch、batch)。
  • set_postfix 可在右侧动态显示字典形式的附加信息。
2. 自动更新
python 复制代码
for i in tqdm(range(10), desc="处理任务", unit="个"):
    # 循环体,无需手动update

直接将可迭代对象传入 tqdm(),自动完成进度更新。

在训练代码中的应用:创建总步数为 num_epochs 的进度条,每完成一定轮次后调用 pbar.update(n) 并刷新 postfix 显示损失值,最终确保进度条到达 100%。


三、模型推理(评估)

训练完成后在测试集上评估模型性能。

关键步骤
  1. 评估模式 :model.eval() 固定 Dropout、BatchNorm 等训练特定层,保证输出稳定。

    • 注意:此模式不自动关闭梯度计算,仍需手动处理。
  2. 禁用梯度 :with torch.no_grad(): 避免构建计算图,节省显存并加速推理。

  3. 预测与准确率 :

    python 复制代码
    outputs = model(X_test)
    _, predicted = torch.max(outputs, 1)          # 取每行最大值的索引作为类别
    correct = (predicted == y_test).sum().item()  # 正确个数
    accuracy = correct / y_test.size(0)           # 准确率
    • torch.max(outputs, dim=1) 返回最大值和索引,_ 忽略最大值,仅获取预测类别。
    • 所有操作在 GPU 张量上完成,无需转换到 CPU 或使用 sklearn,以保持高效。
知识串联
  • 训练阶段:定义损失(CrossEntropyLoss)与优化器(SGD),在循环中进行前向、反向和参数更新。
  • 推理阶段:模型参数固定,仅需前向传播,通过 eval() + no_grad() 确保高效、稳定的输出。
相关推荐
特立独行的猫A1 小时前
别再用 nohup 了:让应用在后台常驻的正确姿势与 systemd 服务详解
java·后端·python
吃我一窝jio4 小时前
Python与Go线程模型深度对比
java·开发语言·python
zwd20055 小时前
Manim 怎么放大画面的某一部分?
python·动画·可视化·manim·数学动画
屿华AI6 小时前
AUTOSAR 实战-诊断工具 | UDS 0x27 安全访问的配置化实现:种子密钥算法插件化设计
python·测试工具·汽车
RobinDevNotes6 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
如夏倾城7 小时前
VRRP(虚拟路由器冗余协议Virtual Router Redundancy Protocol)
网络·python·网络协议·安全·智能路由器·负载均衡·信息与通信
IvanCodes8 小时前
LangChain(04):Runnable 与 LCEL 的执行与组合机制
python·langchain·agent
特创数字科技8 小时前
纯本地离线运行的文档脱敏工具(技术分享)
前端·驱动开发·python
东莞市云毅网络有限公司9 小时前
用 Playwright 搭一套问答平台引用监测的最小骨架
python·数据清洗·rag·企业知识库·文档解析
Thanks_ks9 小时前
【第 010 讲】全面掌握 Python 变量与常量:变量的定义与赋值 | 标识符与命名规范 | 变量的底层机制 | 常量与魔术数字
python·内存·变量·标识符·常量·赋值·命名规范