Couches, pertes et boucle

Empiler et optimiser

import torch
from torch import nn
net = nn.Sequential(nn.Linear(2, 32), nn.ReLU(), nn.Linear(32, 1))
opt = torch.optim.Adam(net.parameters(), lr=1e-3)
loss_fn = nn.BCEWithLogitsLoss()  # binaire sur logits (sorties brutes, pas de sigmoïde avant)
# multiclasse : nn.CrossEntropyLoss() sur logits (pas de softmax avant)
net.train()  # active dropout/norm ; net.eval() + torch.no_grad() en test
opt.zero_grad(); loss = loss_fn(net(Xb), yb); loss.backward(); opt.step()

Logit = score brut ; la loss fusionnée (BCEWithLogitsLoss, CrossEntropyLoss) applique sigmoïde/softmax en interne, stablement. zero_grad vide les gradients avant chaque backward : sans lui, ils s'accumulent.

Lots

from torch.utils.data import TensorDataset, DataLoader
loader = DataLoader(TensorDataset(Xt, yt), batch_size=32, shuffle=True)

batch_size 32-256, shuffle sur train seul. L'atelier suivant ne fera qu'enchaîner ces lignes en 50 époques avec meilleur modèle sur val.