知识卡片

普通读书笔记卡 · 9863.l · 生成模型:Hunyuan

训练循环与预测函数

理解等级:中级

训练沿 PyTorch 标准流程:先定义 get_predictions 在 no_grad 下遍历 DataLoader,把三种张量按参数名送入模型,取 logits 最大值作为预测,可选累计正确数算准确率。训练时模型设为 train 模式并移到 GPU,用 Adam(lr=1e-5)更新参数,跑 6 个 epoch,每轮前向、算损失、反向、更新。结果显示 loss 从约 49.7 降到 7.4,准确率升到 0.986,小样本上已相当不错。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第14章 用BERT实现中文语句分类(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter18_0004.xhtml) - 结论依据:14.4.1 与 14.4.2 节给出 get_predictions 与训练循环代码,并附 6 轮的 loss/acc 数值与收尾评价。 - 原始内容:从准确率可以看出,我们的分类模型在非常小量的训练集的表现已经十分不错,接着让我们看看这个模型的具体情况。