Pytorch深入学习阶段二（三）

Pytorch学习阶段二（三）

一、真实的torch.nn

转化数据类型：

x_train, y_train, x_valid, y_valid = map(
    torch.tensor, (x_train, y_train, x_valid, y_valid)
)

torch.nn

• module：创建可调用对象，包含权重等状态，并且可以更新权重
• Parameter：即需要被训练的权重，设置requires_grad来设置更新
• functional：一个包含激活函数，损失函数等的模型

torch.optim：包含SGD等许多优化器，在后向传播的过程中更新权重

Dataset：__len__、__getitem__重写后为神经网络加载数据

DataLoader：返回一个迭代器，可用于迭代数据

二、TensorBoard使用

初始化：

from torch.utils.tensorboard import SummaryWriter

# default `log_dir` is "runs" - we'll be more specific here
writer = SummaryWriter('runs/fashion_mnist_experiment_1')

添加图片：

# write to tensorboard
writer.add_image('four_fashion_mnist_images', img_grid)

run:

tensorboard --logdir=runs --port=8080

在中控台点击： http://localhost:8080或者浏览器浏览此网页

添加可视化网络：

writer.add_graph(net, images)

添加图表：

# ...log the running loss
            writer.add_scalar('training loss',
                            running_loss / 1000,
                            epoch * len(trainloader) + i)