大佬教程收集整理的这篇文章主要介绍了pytorch 中的模型损失没有变化,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我正在用 pytorch 处理巨大的数据
这些是我的模型和训练代码
import torch.nn.functional as F
class Net(torch.nn.ModulE):
def __init__(self):
super(Net,self).__init__()
self.fc1_1=torch.nn.linear(13,512)
self.fc1_2=torch.nn.linear(512,64)
self.fc1_3=torch.nn.linear(64,10)
self.fc2_1=torch.nn.linear(13,64)
self.fc2_2=torch.nn.linear(64,512)
self.fc2_3=torch.nn.linear(512,10)
self.fc3_1=torch.nn.linear(13,128)
self.fc3_2=torch.nn.linear(128,128)
self.fc3_3=torch.nn.linear(128,10)
self.fc_full_1=torch.nn.linear(30,64)
self.fc_full_2=torch.nn.linear(64,128)
self.fc_full_3=torch.nn.linear(128,2)
def forWARD(self,X):
x1=self.fc1_1(X)
x1=F.relu(x1)
x1=self.fc1_2(x1)
x1=F.relu(x1)
x1=self.fc1_3(x1)
x1=F.relu(x1)
x2=self.fc2_1(X)
x2=F.relu(x2)
x2=self.fc2_2(x2)
x2=F.relu(x2)
x2=self.fc2_3(x2)
x2=F.relu(x2)
x3=self.fc3_1(X)
x3=F.relu(x3)
x3=self.fc3_2(x3)
x3=F.relu(x3)
x3=self.fc3_3(x3)
x3=F.relu(x3)
x=torch.cat((x1,x2,x3),dim=1)
x=self.fc_full_1(X)
x=F.relu(X)
x=self.fc_full_2(X)
x=F.relu(X)
x=self.fc_full_3(X)
return x
model=Net()
如上所示,它们只是全连接层 模型损失函数和优化 交叉熵损失和亚当
criterion = torch.nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model1.parameters(),lr=0.05)
这些是训练代码
for epoch in range(100):
model.Train()
x_var = Variable(torch.floatTensor(x_Train))
y_var = Variable(torch.LongTensor(y_Train))
optimizer.zero_grad()
Train_pred = model(x_var)
loss =criterion(Train_pred,y_var)
loss.BACkWARD()
optimizer.step()
Train_acc=calc_accuracy(Train_pred,y_var)
loss=loss.data.numpy()
最后,打印的准确性和损失
Epoch 0
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 10
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 20
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 30
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 40
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 50
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 60
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 70
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 80
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
Epoch 90
0.6900209 0.531578947368421
valID: 0.692668 0.4621212121212121
如上所示,模型训练损失和有效损失根本没有变化。 似乎是什么问题?
您的优化器不使用您的 @H_509_6@model 的参数,而是使用其他一些 @H_509_6@model1 的参数。
optimizer = torch.optim.Adam(model1.parameters(),lr=0.05)
以上是大佬教程为你收集整理的pytorch 中的模型损失没有变化全部内容,希望文章能够帮你解决pytorch 中的模型损失没有变化所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。