小编Riv*_*goa的帖子

我最近开始使用 Ignite，我发现它非常有趣。我想使用模块中的 LBFGS 算法作为优化器来训练模型torch.optim。

这是我的代码：

from ignite.engine import Events, Engine, create_supervised_trainer, create_supervised_evaluator
from ignite.metrics import RootMeanSquaredError, Loss
from ignite.handlers import EarlyStopping

 D_in, H, D_out = 5, 10, 1
 model = simpleNN(D_in, H, D_out) # a simple MLP with 1 Hidden Layer
 model.double()
 train_loader, val_loader = get_data_loaders(i)

 optimizer = torch.optim.LBFGS(model.parameters(), lr=1)
 loss_func = torch.nn.MSELoss()  
    
 #Ignite
 trainer = create_supervised_trainer(model, optimizer, loss_func)
 evaluator = create_supervised_evaluator(model, metrics={'RMSE': RootMeanSquaredError(),'LOSS': Loss(loss_func)})
    
 @trainer.on(Events.ITERATION_COMPLETED)
 def log_training_loss(engine):
     print("Epoch[{}] Loss: {:.5f}".format(engine.state.epoch, len(train_loader), engine.state.output))
    
def score_function(engine):
    val_loss = engine.state.metrics['RMSE'] …

我正在尝试创建一个任务，该任务将在当前用户每次登录时运行。

我无法找到任何好的示例或文档。我发现的最好的例子是这个。

我试图换出TASK_TRIGGER_DAILY = 2的TASK_TRIGGER_LOGON = 9，去除tigger.DaysInterval = 100和使用类似关联的对象trigger.Delay，等找到这里。

它总是导致：

Pywintyps.com error: (-2147352567, ‘Exception occurred.’, (0, None, None, None, 0 -2147024809), None) on line 67: result = rootFolder.RegisterTaskDefinition(task_id, taskDef, TASK_CREATE_OR_UPDATE, "", "", RUNFLAGSENUM[run_flags] )
#username, password

调用schtasks.exe有效，但这需要我想避免的 UAC 提升请求。

一个工作示例或一些相关的 Python 文档会很棒。我不够精通，C++无法将其全部翻译为Python.