模型训练步骤

1.准备数据2.加载数据3.加载模型4.设置损失函数5.设置优化器6.开始训练7.开始测试最后验证结果展示。

J＆Lu

545人浏览 · 2024-09-07 16:44:19

J＆Lu · 2024-09-07 16:44:19 发布

1.准备数据

2.加载数据

3.加载模型

4.设置损失函数

5.设置优化器

learning_rate = 0.01
optimizer = torch.optim.SGD(my_model_1.parameters(), lr=learning_rate)

6.开始训练

7.开始测试

最后验证

结果展示

GPU训练

找到

1.网络模型 2. 数据（输入，标注,如训练和测试中的imgs， target）3. 损失函数调用.cuda

定义训练设备：device = torch.device("cuda:0")或（"cpu"）

调用：imgs= imgs.to(device)

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

从聊天框到动态助手：MCP Apps 如何重塑 AI 交互的未来（二十六）

在人工智能向“自主智能体”演进的道路上，我们正见证一个关键的范式转移：大型语言模型（LLM）不再仅仅是文本生成器，而是逐渐成为能感知环境、调用工具并执行复杂任务的智能核心。然而，传统的“文本输入-文本输出”模式，在面对需要精密逻辑、实时数据可视化与复杂业务流操控的生产力场景时，其交互深度的局限性暴露无遗。为了连接模型与广阔的外部世界，应运而生，旨在标准化模型与工具之间的通信，降低生态适配成本。