参与11月更文挑战的第13天,活动详情查看:2021最后一次更文挑战
手动实现多层感知机已经很简单了,现在看一下怎么用框架实现。 依旧是实现一个两层模型:
可能有人会有疑问为什么这是两层模型,我看到的说法是有几层权重就是基层模型,并且我听了很多课都是称这种为两层模型,不过不用纠结,你非想叫三层模型那就叫。但是这里为了让我和我听的课保持思路一致我就称为两层模型。
import torch
from torch import nn
from d2l import torch as d2l
复制代码
net = nn.Sequential(nn.Flatten(),
nn.Linear(784, 256),
nn.ReLU(),
nn.Linear(256, 10))
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, std=0.01)
net.apply(init_weights);
复制代码
net =
- 设定模型,先对输入进行展开,将其变换为向量
- 输入层到隐藏层是784→256
- 设定ReLU层激活函数
- 设定隐藏层到输出层
init_weights
给每一层初始化权重- 将
init_weights
应用到net上。
batch_size, lr, num_epochs = 256, 0.1, 10
loss = nn.CrossEntropyLoss()
trainer = torch.optim.SGD(net.parameters(), lr=lr)
复制代码
- 这里batch_size是设定mini-batch的批量大小为256,lr设定learning-rate为0.1,num_epochs设定迭代次数为10
- 训练过程也是直接使用框架自带的SGD
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)
复制代码
在这段代码中会出现手动实现softmax回归中提到的用户警告。可以直接忽略。从手动实现softmax那一节开始这个问题就一直伴随着我了,但是我直接忽略了。想知道警告原因以及怎么解决可以看这里:torchvision.transforms.ToTensor详解 | 使用transforms.ToTensor()出现用户警告 - 掘金 (juejin.cn)
训练过程的实现与我们实现softmax回归时完全相同,这种模块化设计使我们能够将与和模型架构有关的内容独立出来。