
#创作者中心 #创作灵感 精简后的核心配置方案。 一、核心链路 输入X → 预训练模型tsmodel → 全连接层FC → 预测结果Pred 辅以标签Y、损失函数Loss、优化器Optim,形成训练与推理闭环。 二、节点配置 1. 预训练模型 tsmodel- 加载本地 classifier.pt 作为Backbone。 - 输入维度 input_size=20 ,输出维度 output_size=10 。 - trainable=true ,支持全参数微调。 - 路径: D:/anaconda_data/classifier.pt 。 2. 全连接层 FC- 将上游10维特征映射为2维输出(二分类)。 - in_features=10 (与tsmodel输出一致), out_features=2 。 - 启用偏置 bias=true 。 3. 标签 Y- 提供训练样本真实标签,用于Loss计算。 - 独立输入节点,动态填充。 4. 损失函数 Loss- 使用交叉熵损失 CrossEntropyLoss 。 - ignore_index=-100 , label_smoothing=0.0 , reduction=mean 。 - 输入:FC输出与标签Y。 5. 优化器 Optim- Adam优化器,学习率 lr=0.001 。 - 依据Loss梯度更新模型参数。 6. 预测节点 Pred- 对FC输出2维概率取 argmax 得到最终类别。 - dim=-1 , keepdim=false ,输出一维预测结果#深度学习 #机器学习 #AI