1. Learn
    2. /
  2. Курси
    3. /
  3. Apprentissage profond intermédiaire avec PyTorch
Connected

вправа

Jeu de données séquentiel

Beau travail pour la fonction create_sequences() ! Il est maintenant temps de l'utiliser pour créer un jeu de données d'entraînement pour votre modèle.

Tout comme les données tabulaires et d'images, les données séquentielles sont plus faciles à transmettre à un modèle au moyen d'un Dataset et d'un DataLoader de torch. Pour construire un Dataset séquentiel, vous appellerez create_sequences() pour obtenir les tableaux NumPy des entrées et des cibles, puis vous examinerez leur forme. Ensuite, vous les passerez à un TensorDataset pour créer un véritable Dataset torch et vous en vérifierez la longueur.

Votre implémentation de create_sequences() et un DataFrame contenant les données d'entraînement appelé train_data sont disponibles.

Інструкції

100 XP
  • Appelez create_sequences() en lui transmettant le DataFrame d'entraînement et une longueur de séquence de 24*4, et affectez le résultat à X_train, y_train.
  • Définissez dataset_train en appelant TensorDataset et en lui passant deux arguments, les entrées et les cibles créées par create_sequences(), toutes deux converties de tableaux NumPy en tenseurs de nombres réels (float).