老师 为什么要每一轮都情况梯度呢？只训练一轮的话模型没什么效果吧？

老师 此时构建的网络模型是普通的全连接网络吗？

老师 torch.unsqueeze这个方法的作用是什么呢？

老师这些参数怎么都是谁的啊，我的理解是第一个tensor里是20个隐藏层神经元对应的两个输入权重[w1,w2]，第二个tensor是三个输出层神经元对应的二十个隐藏层的输入权重，那第三个tensor就是偏置吧，可为什么会有3个呢

我想把训练过程中的图片保存下来应该怎么改啊，这个只保存了最后结束的一张图

我真无语了，上个课怎么还有呼噜声呢，真影响心情！！！

反卷积的时候  为什么 卷积核不从左向右走到头呢  为什么直接换行了   所以反卷积的原则是用最短路径覆盖反卷积的格子吗  这个卷积核为什么选3*3 

为什么我复制粘贴的代码还汇报这种错啊？

老师，这个运行的很快但是data下面没有创建出文件夹

import torch
import torch.nn as nn 
from vggnet import VGGNet
from loaddata import train_loader
import os

#防止核崩溃
os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'

epoch_num =200 #训练轮数
lr = 0.01 #学习率
batch_size =128#没批训练128个样本

net=VGGNet()

loss_func= nn.CrossEntropyLoss()

optimizer=torch.optim.Adam(net.parameters(), lr=lr)
scheduler = torch.optim.lr_scheduler.StepLR(optimizer,step_size=5,gamma=0.9)

step_n=0
for epoch in range(epoch_num):
    print(" epoch is",epoch)
    for i,data in enumerate(train_loader):
        inputs,labels=data

        outputs = net(inputs) #前向传播
        loss=loss_func(outputs,labels)
        optimizer.zero_grad()#清空梯度
        loss.backward() #反向传播，计算梯度
        optimizer.step()#更新参数

        _,pred=torch.max(outputs.data,dim=1)
        correct=pred.eq(labels.data).cpu().sum()
        print("step",i,';oss is',loss.item(),'mini-batch correct is:',
              100.0*correct/batch_size)
        if not os.path.exists('models'):
            os.mkdir('models')
        torch.save(net.state_dict(),'models/{}.pth'.format(epoch+1))
        scheduler.step() #更新学习率
        print("lr is,",optimizer.state_dict()["param_groups"][0]["lr"])

这里的代码能用.cuda()加速吗？应该怎么改呀老师

_,pred = torch.max(outputs.data,dim=1)
correct = pred.eq(labels.data).cpu().sum()
print('step',i,'loss is',loss.item(),
       'mini-batch correct is:',100*correct/batch_size)

老师，这里的预测取最大是什么意思啊?

然后下面预测相等就加起来，最后返回的正确率是本轮本批数据有多少预测对了吗？

我这边也是代码找不到data路径, 代码基本和老师一样

类中的前向传播方法forward只能叫forward吗?

所有的神经网络在训练时的x和y都一定要用Tensor数据类型吗?

RuntimeError: stack expects each tensor to be equal size, but got [3, 96, 96] at entry 0 and [3, 288, 432] at entry 4

资料给的数据集是不是有错误啊，为什么会有288*432的图片啊？