Pytorch数据集分割及动量示例分析
今天就跟大家聊聊有关Pytorch数据集分割及动量示例分析，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
1.数据集分割
通过datasets可以直接分别获取训练集和测试集。
通常我们会将训练集进行分割，通过torch.utils.data.random_split方法。
所有的数据都需要通过torch.util.data.DataLoader进行加载，才可以得到可以使用的数据集。
具体代码如下：
2.
2.正则化
PyTorch中的正则化和机器学习中的一样，不过设置方式不一样。
直接在优化器中，设置weight_decay即可。优化器中，默认的是L2范式，因此填入的参数就是lambda。想要使用L1范式的话，需要手动写出代码。
3.动量和学习率衰减
动量的设置可以直接在优化器中完成。通过momentum参数设置。
学习率的调整通过torch.optim.lr_scheduler中的ReduceLROnPlateau,StepLR实现。
ReduceLROnPlateau是自动检测损失值，并衰减学习率。
StepLR需要手动设置衰减的参数。
看完上述内容，你们对Pytorch数据集分割及动量示例分析有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注编程网行业资讯频道，感谢大家的支持。
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
