1.直接上代码

• 
  
  import torch.optim as optim          #导入torch.potim模块
  
  
• 
  
  
  
  
• 
  
  criterion = nn.CrossEntropyLoss()    #同样是用到了神经网络工具箱 nn 中的交叉熵损失函数
  
  
• 
  
  optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)   #optim模块中的SGD梯度优化方式---随机梯度下降
  
  
  

2.涉及知识点
①优化器

pytorch将深度学习中常用的优化方法全部封装在torch.optim之中，所有的优化方法都是继承基类optim.Optimizier

图中提到了如果想要把模型搬到GPU上跑，就要在定义优化器之前就完成.cuda( )这一步

2.损失函数

损失函数是封装在神经网络工具箱nn中的,包含很多损失函数，如图所示;

此例中用到的是交叉熵损失，criterion = nn.CrossEntropyLoss() 详情如下：

基本上这一步没什么好说的，就是在众多的优化器方法和损失函数中选择就ok，具体选什么就由自己情况定

奈斯