这里的Y意思是有两个样本，第一个样本的正确Y值是0，也就是说第一个样本是‘t-shirt’。 第二个样本的正确Y值是2，也就是‘‘pullover’。
请教一下大家，如何保存教程里的动态图到电脑上！
你好，在实现Accumulator时的add方法时显示报错
TypeError: float() argument must be a string or a number, not ‘builtin_function_or_method’
这种情况该如何处理呢？
我也觉得，是得把调用pytorch的crossentropy里的reduction参数一直设为none才行，不设置的话loss确实是一个标量，就不用sum或者mean了
@Ye_Zhang 可是我看到的官方的交叉熵函数默认是会进行除以batch size的呀。
https://pytorch.org/docs/stable/generated/torch.nn.functional.cross_entropy.html#torch.nn.functional.cross_entropy
这里用sum和mean是不是效果相同，都可以用？
文档用的mean, 但是代码中用的sum, 代码该更新了。
1 Like
下一章的多层感知机如果使用l.sum().backward() 会让loss全变成一个值 不知道为什么
是l.mean(）文档的代码已经进行更新了。
@CHENHUI_XU 这节里的loss不是torch里的loss，是自己定义的函数，求出来的就是张量，如果用的torch里的loss默认才是均值。所以这里使用torch的sgd。需要l.mean()
@Ye_Zhang 转换成什么形式（sum or mean）要看sgd是如何定义的吧，如果用torch的sgd就是mean，d2l里的sgd就是sum？
@Yuchen971 你更新一下d2l的代码，“0.17.1的d2l包封装的pytorch的训练模型迭代的代码有一个小问题，train_epoch_ch3函数的第9行代码应该是“l.mean().backward()，d2l包里是l.sum()”
额 好吧，你楼上已经贴出来了，才看到……新版代码是没问题的，你以文档的定义为准，loss = nn.CrossEntropyLoss(reduction=‘none’) ，这样的loss要用sum.
2 Likes
你好，请问你解决这个问题了吗，我遇到了和你一样的问题
不好意思啊，我后面就没有把精力放在这个上面了，毕竟这个只是一个可视化，与模型本身无关，后面我直接使用d2l的模块就可以了
谢谢你的回复，这个bug我已经解决了，我当时错的是y.numel后面忘记加括号了，调用Accunulator类中的add函数时，出现了bug，我是初学者，确实用了d2l中模块十几行代码就搞定了
一个比较数值稳定的实现
import torch
def crossEntropyNaive(x):
expX = torch.exp(x)
return expX / expX.sum(axis = 1, keepdim=True)
def crossEntropySlightlySmart(x):
row_max,_ = torch.max(X, dim = 1, keepdim=True)
x = x - row_max
expX = torch.exp(x)
return expX / expX.sum(axis = 1, keepdim=True)
X = torch.tensor([[1.0,1.0],[1.0,10.0],[1.0,100.0]])
print(crossEntropyNaive(X))
print(crossEntropySlightlySmart(X))
2 Likes
d2l包里的torch.py源代码的show_images()函数里，在最后一行前加plt.show()
如果训练完一个epoch后，再利用整个训练集评估模型，那么还需要第二次遍历训练集。
原本只需要遍历一次训练集就可同时完成训练和评估，训练完再评估的方法却需要遍历两次训练集，时间效率上有所下降。
2 Likes
运行结果一直报错，提示为：RuntimeError: DataLoader worker (pid(s) 1612, 16568) exited unexpectedly
尝试了许多方法，都没有成功，是否需要找到相关的num_workers设置，在哪里呢？