배치 정규화가 적용된 모델의 네트워크가 출력됩니다.
BNNet(
(classifier): Sequential(
(0): Linear(in_features=784, out_features=48, bias=True)
(1): BatchNorm1d(48, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(2): ReLU()
(3): Linear(in_features=48, out_features=24, bias=True)
(4): BatchNorm1d(24, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(5): ReLU()
(6): Linear(in_features=24, out_features=10, bias=True)
)
)
데이터로더를 이용하여 앞에서 내려받았던 데이터셋을 메모리로 불러올 준비를 합니다. 참고로 앞에서도 메모리로 불러오는 부분을 진행했습니다. 그때는 이미지 출력을 위한 용도로 배치 크기를 4로 설정했지만, 이번에 메모리로 불러오는 것은 학습을 위한 용도로 배치 크기를 512로 지정합니다.
코드 8-12 데이터셋 메모리로 불러오기
batch_size = 512
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size, shuffle=True)