在jupyter notebook中实现了 softmax回归的从零开始实现之后，在 Softmax回归的简洁实现中遇到如下问题，调用之前的train_ch3这个函数报错：AttributeError: module ‘d2l.torch’ has no attribute ‘train_ch3’ ，请问大家是什么原因，如何解决？
去colab试了一下，没有报错，能跑通。怀疑是否是d2l版本问题，colab中d2l版本2.0.0，本地d2l版本1.0.3，教材安装指导版本0.17.6，或者是其他的版本问题？欢迎大神指导回复。
2 Likes
我去教材官网上安装的包，去里面看了现在并没有train_ch3这个封装好的函数了，所以跑不通，估计要换包
1 Like
后续章节里又遇到这个ch3问题。降低python版本和d2l版本与教材一致后，已经可以了。
2 Likes
完全用torch重写之后的成果还不错
#!/usr/bin/env python3
import torch
import torchvision
import matplotlib.pyplot as plt
from torch.utils import data
from torchvision import transforms
from torch import nn
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, std=0.01)
def get_dataloader_workers():
return 4
def load_data_fashion_mnist(batch_size, resize=None):
trans = [transforms.ToTensor()]
if resize:
trans.insert(0, transforms.Resize(resize))
trans = transforms.Compose(trans)
mnist_train = torchvision.datasets.FashionMNIST(
root="/tmp", train=True, transform=trans, download=True)
mnist_test = torchvision.datasets.FashionMNIST(
root="/tmp", train=False, transform=trans, download=True)
return (data.DataLoader(mnist_train, batch_size, shuffle=True, num_workers=4),
data.DataLoader(mnist_test, batch_size, shuffle=False, num_workers=4))
def get_fashion_mnist_labels(labels):
text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
return [text_labels[int(i)] for i in labels]
def test_images(imgs, labels, preds):
_, axes = plt.subplots(1, len(imgs))
for (img, label, pred, ax) in zip(imgs, labels, preds, axes):
if torch.is_tensor(img):
ax.imshow(img[0].numpy())
else:
ax.imshow(img[0])
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
ax.set_title(label + '\n' + pred)
plt.show()
if __name__ == "__main__":
batch_size, lr, num_epochs = 256, 0.1, 10
net = nn.Sequential(nn.Flatten(), nn.Linear(28 * 28, 10), nn.Softmax(1))
net.apply(init_weights)
loss = nn.CrossEntropyLoss()
trainer = torch.optim.SGD(net.parameters(), lr=lr)
net.train()
for i in range(50):
train_iter, _ = load_data_fashion_mnist(batch_size=batch_size)
for X, y in train_iter:
l = loss(net(X), y)
trainer.zero_grad()
l.backward()
trainer.step()
print(f'epoch {i + 1}, loss {l:f}')
net.eval()
_, test_iter = load_data_fashion_mnist(batch_size=batch_size)
batch = next(iter(test_iter))
imgs, labels = batch[0], batch[1]
preds = net(imgs).argmax(axis=1)
test_images(imgs[:8], get_fashion_mnist_labels(labels[:8]), get_fashion_mnist_labels(preds[:8]))
3 Likes
这里取对数要用ln，而你是用lg算的。要证明log(y_hat)==O-max-log(sum of exp)，取e为底和取10为底显然不同。但是O-max==0时，恰好等价而已。
我也遇到了同样的问题，在这一行中报错显示除数为零，请问您解决了吗
不用写，直接是个空括号。plt.show()
取多少为底都是差不多的哦，一切的对数都可以看成是以e为底的对数，用换底公式就知道了:
所以换个底数其实只是损失提取了一个常系数 a，原来以 e 为底的损失是 m 的话，现在以 10 为底的损失就可以看成是 m’ = a · m，其中 a = 1 / ln(10)，那么就损失的梯度而言，原来的梯度 ∂ m’ = a · ∂ m，那么梯度下降的时候也是一样缺了一个常系数，所以你要是改变底数，实际上也就和调节学习率是一样的道理。
类似的，一切的指数都可以看成是以 e 为底的指数，参考：
[此图省略，新用户只能发一张图，参见下面回复]
再补充纠正一点，torch或者numpy中的log都是以e为底的哦
我正在使用pytorch版代码，而且 torch.cuda.is_available()也已经为true，但是我在运行本节示例代码时仍是在用cpu计算，请问我该如何将softmax的这段示例代码运行在cuda上
这本书写的代码真nm写的是一坨狗屎，完全没有工程化，流程化，体系化的思想和风格。需要看代码的建议去看另一个教程Zero to Mastery Learn PyTorch for Deep Learning
1 Like
我也遇到这个问题。目前不知道怎么解决。。。。
这个d2l中无法查看到train_ch3这个函数 而且之前定义的类也完全查看不到 就是因为d2l版本不对么？
1 Like
我也遇到这个问题，请问怎么解决的？？？？？？
解决办法：把缺失的函数补充到d2l对应源码里
找源码方法：pip show d2l, 找到d2l包所在文件夹位置
多次运行报错找不到的代码块，查看是什么函数没有，把那段函数代码复制到源码里（注意：不要用中文字符，可能产生编码错误）
方便期间，汇总一下我这边发现要补充的函数：train_ch3, train_epoch_ch3, evaluate_accuracy
(均在softmax从零开始章节出现)
3 Likes
你好，我补充了这三个函数后还是不行，虽然没报错但训练完后没有图像输出，只有下面输出内容：
我用的环境是pycharm，请问是不是跟这个有关？我这还补了个Animator类
但是没补之前会报错，可能跟你不是同一个情况
谢谢，这个问题已经解决了，就是Animator类的问题，原始代码中是基于ipython环境的写法，改成d2l.plt.draw()就好了