2020-10-19 21:48:57

docs/pytorch/26.md

@@ -14,7 +14,7 @@
 
 ![](img/fedaa24e2fcad876c77a2038c2d8d14d.png)
 
-```
+```py
 import torch
 from torch.autograd import Variable
 from torch import nn
@@ -60,7 +60,7 @@ plt.show()
 
 这里就教你如何构建带有 BN 的神经网络的. BN 其实可以看做是一个 layer ( BN layer ). 我们就像平时加层一样加 BN layer  就好了. 注意, 我还对输入数据进行了一个 BN 处理, 因为如果你把输入数据看出是 从前面一层来的输出数据, 我们同样也能对她进行 BN.
 
-```
+```py
 class Net(nn.Module):
     def __init__(self, batch_normalization=False):
         super(Net, self).__init__()
@@ -108,7 +108,7 @@ nets = [Net(batch_normalization=False), Net(batch_normalization=True)]
 
 训练的时候, 这两个神经网络分开训练. 训练的环境都一样.
 
-```
+```py
 opts = [torch.optim.Adam(net.parameters(), lr=LR) for net in nets]
 
 loss_func = torch.nn.MSELoss()
@@ -132,7 +132,7 @@ for epoch in range(EPOCH):
 
 ![](img/cb2138c3f800c7ca4b5ae38076d09429.png)
 
-```
+```py
 f, axs = plt.subplots(4, N_HIDDEN 1, figsize=(10, 5))
 
 def plot_histogram(l_in, l_in_bn, pre_ac, pre_ac_bn):