模型训练

构建数据集

在这里插入图片描述
数据集的准备我绝对是最重要
但是操作无非是处理，然后哪些是X哪些是Y，batch是多少。
在这里插入图片描述
神经网络的定义，前面的课程也有
唯一就是loss_fn = nn.CrossEntropyLoss()是定义损失函数，一般这个比较常见
根据任务的不同用不同的
回归任务的nn.MSELoss（均方误差）
用于分类的nn.NLLLoss（负对数似然）
最后通过训练，模型的参数不断优化的工具叫做优化器，优化器里会自动根据梯度去优化那些权重
optimizer = nn.SGD(model.trainable_params(), learning_rate=learning_rate) SGD是很常见的优化器
然后使用上次的自动微分，我们可以得到梯度，再用优化器把这些梯度利用了，去优化nn

在这里插入图片描述
定义个测试的
在这里插入图片描述

每训练一下就测一下准确度如何
在这里插入图片描述
这样在每一轮的训练后会出现1测试准确率，知道随着时间越多，训练越多，越来越准确
在这里插入图片描述

# 学习
Logo
昇腾开源生态专区

昇腾计算产业是基于昇腾系列（HUAWEI Ascend）处理器和基础软件构建的全栈 AI计算基础设施、行业应用及服务，https://devpress.csdn.net/organization/setting/general/146749包括昇腾系列处理器、系列硬件、CANN、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链

更多推荐

cover

DeepSeek 崩了 13 小时，不是故障，是 V4 在换引擎

avatar 昇腾开源生态专区

体系结构论文（107）：AscendOptimizer: Episodic Agent for Ascend NPU Operator Optimization

摘要：本文提出AscendOptimizer系统，针对华为Ascend NPU的AscendC算子优化难题，通过双阶段交替优化方法实现性能提升。系统将算子拆分为host侧tiling program和device侧kernel program：Stage I采用进化搜索优化tiling策略，利用硬件反馈探索可行解空间；Stage II通过"优化回退"机制从优质kernel反向构

avatar 昇腾开源生态专区

AtomGit模型托管与实验管理全指南

AtomGit模型托管指南：AI开发者的版本控制利器 摘要：本文介绍AtomGit平台针对AI开发者推出的模型托管与实验管理功能，解决传统Git无法有效管理大模型文件、实验参数分散等问题。AtomGit通过Git LFS大文件存储、模型卡片元数据记录、代码与模型版本关联等创新功能，实现AI项目的一体化管理。文章详细演示了如何创建模型仓库、配置Git LFS管理大文件、编写结构化模型卡片，并特别介绍

avatar 昇腾开源生态专区