一、 导入

1 import torch
2 from torch import nn
3 from d2l import torch as d2l
4 
5 batch_size = 256
6 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

 

二、初始化参数

# PyTorch不会隐式地调整输入的形状。因此，
# 我们在线性层前定义了展平层（flatten），来调整网络输入的形状
# nn.Flatten() 将任何维度的tensor改成一个2d的tensor，第0维度保留，剩下的维度全部展成一个向量
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))

def init_weights(m):
    if type(m) == nn.Linear:
        nn.init.normal_(m.weight, std=0.01)

net.apply(init_weights);

 

三、Softmax的实现

 

1 loss = nn.CrossEntropyLoss()

四、优化算法

trainer = torch.optim.SGD(net.parameters(), lr=0.1)

五、训练

num_epochs = 10
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)