1.4.2 使用PyTorch實(shí)現(xiàn)鳶尾花分類

1.實(shí)驗(yàn)?zāi)繕?biāo)

（1）理解神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方式及多分類模型處理操作方式。

（2）使用PyTorch完成神經(jīng)網(wǎng)絡(luò)的編寫。

（3）模型運(yùn)算過程中的參數(shù)處理。

2.實(shí)驗(yàn)環(huán)境

使用PyTorch實(shí)現(xiàn)的實(shí)驗(yàn)環(huán)境如表1.2所示。

3.實(shí)驗(yàn)步驟

創(chuàng)建torch_iris.py文件，并按照以下步驟編寫代碼完成本次實(shí)驗(yàn)。

1）數(shù)據(jù)處理

導(dǎo)入所需PyTorch庫(kù)，加載鳶尾花數(shù)據(jù)集并進(jìn)行處理。

2）模型構(gòu)建

此步驟同樣包含模型的構(gòu)建、配置及訓(xùn)練。

3）訓(xùn)練過程評(píng)估

在終端輸入以下命令運(yùn)行本實(shí)驗(yàn)。

輸出內(nèi)容較多，部分結(jié)果顯示如下。

當(dāng)學(xué)習(xí)率調(diào)整到0.1，訓(xùn)練輪數(shù)為100時(shí)，模型的準(zhǔn)確率可以達(dá)到99%。PyTorch訓(xùn)練損失和測(cè)試損失可視化效果圖如圖1.13所示。從圖1.13中可看出訓(xùn)練損失和測(cè)試損失差距值很小，模型沒有出現(xiàn)過擬合問題。