为什么我的 pytorch 神经网络训练快结束时会响起铃声
我正在使用带有 Adam 优化器和损失值为 0.0001 的基本顺序神经网络
这是模型:
class ANN(nn.Module):
def __init__(self):
super().__init__()
self.fc1 = nn.Linear(in_features=956, out_features=500)
self.fc2 = nn.Linear(in_features=500, out_features=500)
self.fc3 = nn.Linear(in_features=500, out_features=100)
self.output = nn.Linear(in_features=100, out_features=2)
def forward(self, x):
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = F.relu(self.fc3(x))
x = self.output(x)
return x
以及标准、损失和训练调用
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.0001)
epochs = 400
loss_arr = []
for i in range(epochs):
y_hat = model.forward(X_train)
loss = criterion(y_hat, y_train)
loss_arr.append(loss)
if i % 10 == 0:
print(f'Epoch: {i} Loss: {loss}')
optimizer.zero_grad()
loss.backward()
optimizer.step()
我预计损失曲线会随着时间的推移正常下降,或者如果模型过度拟合,损失曲线会突然增加
我没有大量数据将其分解为验证集来监控过度拟合,因此我只是一次又一次地训练模型以防止过度拟合