Začněte nyníZačněte zdarma

Trénovací smyčka RNN

Je čas natrénovat model pro předpověď spotřeby elektrické energie!

Použiješ LSTM síť, kterou jsi definoval/a dříve a která byla vytvořena a přiřazena do net, stejně jako dataloader_train, který jsi sestavil/a předtím. Budeš také potřebovat torch.nn, který už je naimportovaný jako nn.

V tomto cvičení natrénuješ model po dobu tří epoch, abys ověřil/a, že trénink probíhá správně. Pojďme na to!

Toto cvičení je součástí kurzu

Intermediate Deep Learning with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Nastav funkci Mean Squared Error loss a přiřaď ji do criterion.
  • Změň tvar seqs na (batch size, sequence length, num features), což je v našem případě (32, 96, 1), a výsledek znovu přiřaď do seqs.
  • Předej seqs modelu a získej jeho outputs.
  • Na základě dříve vypočtených hodnot vypočítej ztrátu a přiřaď ji do loss.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

net = Net()
# Set up MSE loss
criterion = ____
optimizer = optim.Adam(
  net.parameters(), lr=0.0001
)

for epoch in range(3):
    for seqs, labels in dataloader_train:
        # Reshape model inputs
        seqs = ____
        # Get model outputs
        outputs = ____
        # Compute loss
        loss = ____
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
    print(f"Epoch {epoch+1}, Loss: {loss.item()}")
Upravit a spustit kód