前一个 epoch 计算的变量如何用于计算下一个 epoch 的损失函数？答案

【问题标题】：How can the variable computed in the previous epoch be used for computing the loss function in the next epoch?前一个 epoch 计算的变量如何用于计算下一个 epoch 的损失函数？
【发布时间】：2020-08-29 03:01:45
【问题描述】：

pytorch 代码如下。前一时期计算的变量如何用于计算下一个epoch的损失函数？

for epoch in range((args.start_epoch+1), args.epochs):
  
    for input, target in train_loader:
        target = target.cuda()
        input = input.cuda()
        input_var = torch.autograd.Variable(input)
        target_var = torch.autograd.Variable(target)
        outputs, feature = model(input_var)

        if epoch > 0:
            l = criterion.forward(feature,target_var, Fea)

    Fea = function(model,train_loader)

【问题讨论】：

请改进代码格式。
"如何将上一个epoch计算的变量用于计算下一个epoch的损失函数？"您可以将其存储到变量中。
考虑将Fea设为全局。
首先Fea是怎么排到l = criterion.forward(feature,target_var, Fea)这行的？你应该之前初始化过它。因此，面对这样的问题是没有意义的。
非常感谢 afagarap 和 hafiz031。

标签： deep-learning pytorch loss

【解决方案1】：

for epoch in range((args.start_epoch+1), args.epochs):

Center=computer_Center(model,dataloader,classnum) 对于输入，train_loader 中的目标：目标 = 目标.cuda() 输入 = 输入.cuda() input_var = torch.autograd.Variable(输入)

【讨论】：