Kā izveidot un apmācīt klasifikatoru PyTorch?

Lai izveidotu un apmācītu klasifikatoru PyTorch, jāveic vairāki soļi:

1. Modela definēšana — izveidot klasi, kas manto no nn.Module, un aprakstīt arhitektūru.
2. Datu sagatavošana — ielādēt un pārveidot datus DataLoader formātā.
3. Definēt zaudējuma funkciju un optimizatoru.
4. Modela apmācība — caur datiem iet ciklā, aprēķināt izeju, skaitīt kļūdu, veikt atpakaļizplatīšanu un atjaunināt svarus.

Piemērs vienkāršam klasifikatoram ar 10 klasēm:

import torch
import torch.nn as nn
import torch.optim as optim

class SimpleClassifier(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc = nn.Linear(784, 10)  # piemērs 28x28 attēliem

    def forward(self, x):
        return self.fc(x)

model = SimpleClassifier()
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# Apmācības cikla piemērs
for epoch in range(num_epochs):
    for inputs, labels in dataloader:
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

Šo kodu var paplašināt, pievienojot slāņus, aktivācijas funkcijas, datu apstrādi un citus elementus.