一一中文网

手机浏览器扫描二维码访问

第60章 第一个模型（第2页）

，输入输出之间是难以解释的权重迷宫。

当时觉得神秘，现在亲手搭建时，却感受到一种奇异的透明感——每一层都在做确定性的数学运算，所谓的“智能”

不过是这些运算在大量数据训练后，权重被调整到能提取有效特征的状态。

“代码可以骗人，但逻辑不会”

。

他低声念着自己的口头禅，点击运行。

模型初始化完成。

接下来是训练循环的核心部分：定义损失函数（交叉熵损失）和优化器（随机梯度下降SGd）。

学习率设为0.01，一个保守的起始值。

第一次训练开始了。

林晨设置了5个epoch（遍历整个训练集的次数）。

代码运行，GpU风扇轻微转动——他庆幸自己当年配电脑时选了带独立显卡的型号，虽然是为了打游戏，现在却成了训练模型的利器。

第一个epoch结束时，终端打印出损失值：2.302。

准确率：10.3%。

“跟随机猜差不多”

。

林晨苦笑。

mNISt有十个类别，随机猜测的准确率应该是10%，模型现在几乎没学到任何东西。

但他没有停。

第二个epoch，损失降到1.876，准确率升到23.7%。

第三个epoch，1.432，45.2%。

数字的变化有种催眠般的魔力，他盯着屏幕，看着那些代表模型正在“学习”

的证据。

第四个epoch结束时，准确率突破了70%。

损失值降到0.876。

林晨身体前倾，手肘撑在桌上。

他能感觉到心跳在加速——不是因为紧张，而是因为某种接近真相的兴奋。

那些抽象的数学概念正在转化为具体的、可测量的能力提升。

模型在“理解”

那些手写数字的形状特征。

第五个epoch，最后一个。

训练循环在运行，进度条缓慢移动。

林晨起身倒了杯水，回到座位时，刚好看到最终结果打印出来：Epoch55，Loss:0.356，Accuracy:89.7%。

89.7%。

他眨了眨眼，重新读了一遍。

然后，几乎是本能地，他修改了代码——将epoch数从5改为20，学习率微调到0.005，重新运行。

这一次他不再干等。

他打开了tensorboard（pytorch的可视化工具），看着损失曲线随着训练轮次平滑下降，准确率曲线稳步上升。

第10个epoch时，准确率突破92%；第15个epoch，94.1%；第20个epoch结束时，终端显示：FinaltestAccuracy:95.3%。