Cum se creează și se antrenează un clasificator în PyTorch?

Pentru a crea și antrena un clasificator în PyTorch, trebuie să urmați câțiva pași:

1. Definiți modelul — creați o clasă care moștenește de la nn.Module și descrie arhitectura.
2. Pregătiți datele — încărcați și transformați datele într-un DataLoader.
3. Definiți funcția de pierdere și optimizatorul.
4. Antrenați modelul — parcurgeți datele într-un ciclu, calculați ieșirea, numărați eroarea, efectuați retropropagarea și actualizați greutățile.

Exemplu de clasificator simplu pentru o sarcină cu 10 clase:

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)  # exemplu pentru imagini 28x28

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

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

# Exemplu de buclă de antrenament
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()

Acest cod poate fi extins prin adăugarea de straturi, funcții de activare, procesare a datelor etc.