1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Deep Learning for Text with PyTorch
Connected

cvičení

Trénování GAN modelu

Tvůj tým v PyBooks udělal velký pokrok při budování generátoru textu pomocí generativní adversariální sítě (GAN). Úspěšně jsi definoval/a sítě generátoru a diskriminátoru. Teď je čas je natrénovat. Posledním krokem je vygenerovat falešná data a porovnat je s reálnými daty, abychom zjistili, jak dobře se tvůj GAN naučil. Jako vstup jsme použili tenzory a výstup by se měl co nejvíce podobat vstupním tenzorům. Tým v PyBooks pak může tato syntetická data využít pro analýzu textu, protože vztahy mezi příznaky budou odpovídat vztahům v textových datech.

Generátor a diskriminátor byly inicializovány a uloženy do proměnných generator a discriminator.

V cvičení byly inicializovány následující proměnné:

  • seq_length = 5: délka každé syntetické datové sekvence
  • num_sequences = 100: celkový počet vygenerovaných sekvencí
  • num_epochs = 50: počet úplných průchodů datovou sadou
  • print_every = 10: frekvence výstupu – výsledky se zobrazují každých 10 epoch

Pokyny 1/3

undefined XP
    1
    2
    3
  • Definuj ztrátovou funkci pro binární klasifikaci a optimalizátor Adam.
  • Natrénuj diskriminátor tak, že na real_data použiješ unsqueeze a zabráníš přepočítávání gradientů.