IR模型 P3 模型训练与验证流程代码修改
上节课，我们修改了Dataset类，数据可以正常加载进来了，接下来，还需要微调一下模型，然后就可以开始训练了。
代码示例
1、squeeze()导致的报错
max_pool2d 之后，输出 tensor.shape = [10, 256, 1, 1]，之后的 squeeze()，正常情况下会压缩 tensor 的最后两维，变成 [10, 256]。但如果是我们的训练数据是101条，batch_size = 10，最后一次就只剩下一条数据，max_pool2d 输出 tensor.shape = [1, 256, 1, 1]，再经过 squeeze()，会变成 [256]，后续程序会报错，所以我们需要改为只压缩最后两维。
内容不可见，请联系管理员开通权限。
2、模型输出值修改
一般分类场景，直接输出 linear 层的结果，也是可以的，在做交叉熵损失计算的时候，模型会自动转化。但是在这个项目里面，我们把 linear 层返回的结果，包一层 sigmiod，返回值的范围就在0-1之间，相当于是一个概率值，后面有别的用处。
内容不可见，请联系管理员开通权限。
3、添加验证模块
内容不可见，请联系管理员开通权限。
4、评估函数修改
batch比较小时，标签可能出现空缺，比如[2, 5]，classification_report 无法判断总的标签数量。
内容不可见，请联系管理员开通权限。
5、边训练边验证
内容不可见，请联系管理员开通权限。
现在，模型的训练流程就可以跑通了，接下来，还是老办法，把代码和数据，传到 Kaggle 上训练，这个过程已经讲过很多次了，就不在重复演示，大家课后自己完成。
本文链接：http://edu.ichenhua.cn/edu/note/626
版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！
