我正在阅读O'Reilly在2019年9月出版的《 Programming Pytorch ..》中的描述一种用于图像分类的简单线性神经网络。
target与targets相比，开放模型中的变量名称存在错误（无后顾之忧），但是似乎省略了变量声明{{1 }}（还有train_iterator，未显示）。
我想知道他们（我认为）打算使用dev_iterator变量是什么？
p27
train_iterator所以，..
def train(model, optimiser, loss_fn, train_loader, val_loader, epochs=20, device='cpu'):
for epoch in range(epochs):
training_loss = 0.0
valid_loss = 0.0
model.train()
for batch in train_loader:
optimizer.zero_grad()
inputs, target = batch # Bug here for 'target'
inputs = inputs.to(device)
target = targets.to(device)
output = model(inputs)
loss = loss_fin(output, target)
loss.backward()
optimizer.step()
training_loss += loss.data.item()
training_loss /= len(train_iterator) # What is train_iterator?
必须
inputs, target = batch
在培训步骤（未显示）下面的验证步骤中
inputs, targets = batch
没什么大不了的，代码只是分配给Cudas（GPU）或CPU。
变量 inputs, targets = batch
...
targets = targets.to(device)
定义训练损失（重要诊断）。我假设在纪元和批处理迭代器之间应该声明一个迭代器，还是在训练循环中？
注释 train_iterator仅指Pytorch Dataloader。该模型涉及具有ReLU激活功能的3个线性层。