查看每个epoch的loss

查看每个epoch的loss是指在机器学习的训练过程中，特别是在使用神经网络时，我们通常会在每个训练周期（epoch）结束时记录并查看损失函数（loss function）的值。损失函数用于衡量模型预测值与真实值之间的差异，其值越小表示模型的预测越准确。

在训练神经网络时，一个epoch代表了整个数据集被输入到模型中进行一次前向传播和一次反向传播的完整过程。通常，随着epoch数的增加，模型的损失值会逐渐下降，这表明模型正在学习并逐渐适应训练数据。在实际操作中，我们会在每个epoch结束时打印或记录损失值，以便监控训练过程。

例如，在使用PyTorch进行深度学习训练时，可以在每个epoch结束时输出损失值：

for epoch in range(num_epochs):
    # 前向传播、计算损失、反向传播等操作
    loss = compute_loss()
    # 打印当前epoch的损失值
    print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {loss.item()}')

这样，我们可以看到模型在每次迭代后的损失变化，判断训练是否收敛，或者是否有过拟合等问题。