Corriger une boucle d'entraînement PyTorch

La perte de ~/vision/entrainer.py ne diminue pas et l'évaluation consomme énormément de mémoire. Corrigez la boucle :

• appareil : device = torch.device("cuda" if torch.cuda.is_available() else "cpu"), modèle et lots déplacés avec .to(device)
• entraînement : model.train(), puis pour chaque lot dans cet ordre : optimizer.zero_grad(), calcul de la perte, loss.backward(), optimizer.step()
• évaluation : model.eval() et with torch.no_grad():
• sauvegarde des poids : torch.save(model.state_dict(), "modele.pt")

Lancez python3 entrainer.py --epochs 3 (depuis ~/vision) → exactitude de validation à l'époque 3 → answer val <valeur>. Que se passe-t-il sans zero_grad() ? → answer zerograd <accumulation|explosion-memoire|rien>