Die Vorwärtsmethode perfektionieren
Nachdem du die Ebenen in der Methode „ __init__ “ eingerichtet hast, legt die Methode „forward“ fest, wie die Daten durch diese Ebenen fließen. In PyTorch Lightning sorgt diese Trennung dafür, dass dein Code übersichtlich und einfach zu pflegen bleibt. Du hast bereits gesehen, wie der Konstruktor aufgebaut ist – jetzt geht's um den Vorwärtsdurchlauf, damit deine Klassifizierungslogik klar und für das Training optimiert ist. Hier sind die Ebenen in „ __init__ “ schon für dich festgelegt, sodass du dich voll und ganz auf den Vorwärtsfluss konzentrieren kannst.
Die Dateien „ lightning.pytorch “ und „ torch.nn “ wurden schon als „ pl “ und „ nn “ importiert.
Diese Übung ist Teil des Kurses
Skalierbare KI-Modelle mit PyTorch Lightning
Anleitung zur Übung
- Mach die Methode „
forward“ in „ClassifierModel“ fertig. - Wende nach der versteckten Schicht eine ReLU-Aktivierung an.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
class ClassifierModel(pl.LightningModule):
def __init__(self, input_dim, hidden_dim, output_dim):
super().__init__()
self.hidden = nn.Linear(input_dim, hidden_dim)
self.output = nn.Linear(hidden_dim, output_dim)
# Define forward method
def ____(self, ____):
# Complete the forward pass
x = self.hidden(x)
x = ____(x)
x = self.output(x)
return x