PyTorch中怎么实现模型正则化

在PyTorch中，可以通过在模型的优化器中设置正则化参数来实现模型正则化。常见的正则化方法包括L1正则化和L2正则化。

以L2正则化为例，可以通过在优化器中设置weight_decay参数来实现正则化：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义模型
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 1)

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

model = Model()

# 定义优化器，并设置weight_decay参数
optimizer = optim.SGD(model.parameters(), lr=0.01, weight_decay=0.001)

# 训练模型时，正常进行前向传播和反向传播

在上面的代码中，通过设置weight_decay参数为0.001，实现了对模型参数的L2正则化。您也可以根据需要调整weight_decay的值或者尝试其他正则化方法来实现模型正则化。