2020-10-19 21:48:57

docs/pytorch/14.md

@@ -12,7 +12,7 @@
 
 ![](img/2fc34594dcb247d4a3414467eed4a109.png)
 
-```
+```py
 import torch
 import torch.utils.data as Data
 import torch.nn.functional as F
@@ -42,7 +42,7 @@ loader = Data.DataLoader(dataset=torch_dataset, batch_size=BATCH_SIZE, shuffle=T
 
 为了对比每一种优化器, 我们给他们各自创建一个神经网络, 但这个神经网络都来自同一个 Net 形式.
 
-```
+```py
 # 默认的 network 形式
 class Net(torch.nn.Module):
     def __init__(self):
@@ -67,7 +67,7 @@ nets = [net_SGD, net_Momentum, net_RMSprop, net_Adam]
 
 接下来在创建不同的优化器, 用来训练不同的网络. 并创建一个 loss_func  用来计算误差. 我们用几种常见的优化器, SGD , Momentum , RMSprop , Adam .
 
-```
+```py
 # different optimizers
 opt_SGD         = torch.optim.SGD(net_SGD.parameters(), lr=LR)
 opt_Momentum    = torch.optim.SGD(net_Momentum.parameters(), lr=LR, momentum=0.8)
@@ -83,7 +83,7 @@ losses_his = [[], [], [], []]   # 记录 training 时不同神经网络的 loss
 
 接下来训练和 loss 画图.
 
-```
+```py
 for epoch in range(EPOCH):
     print(\\'Epoch: \\', epoch)
     for step, (batch_x, batch_y) in enumerate(loader):