PyTorch 25：CNN训练与代码示例 神经网络课程

PyTorch - 25 - CNN训练与代码示例 - 神经网络编程课程

• Training: What We Do After The Forward Pass

  • Training Process

  • Preparing For The Forward Pass

    • Calculating the Loss
    • Calculating the Gradients
    • Updating the Weights

  • Train Using A Single Batch

  • Building The Training Loop Is Next

Training: What We Do After The Forward Pass

至此，在本系列课程中已经系统地学习并理解并掌握了张量的基本概念以及PyTorch神经网络的核心知识；为了进一步提升技术水平，请问您是否愿意继续投入更多的时间与精力来深入探索这一领域？

1. 准备数据

2. 建立模型

3. 训练模型
   a. 计算Loss，梯度并更新权重

4. 分析模型的结果

在训练阶段实施了前馈操作，请问这究竟意味着什么呢？假设我们获得了批量数据，并将该批数据输入至神经网络进行处理。处理完成后比较预测结果与真实结果之间的差距