最简深度学习微调搭建逻辑

#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