1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction au Deep Learning avec PyTorch
Connected

Exercice

Écrire une boucle d'entraînement

Dans scikit-learn, la boucle d'entraînement est encapsulée dans la méthode .fit(), tandis qu'avec PyTorch, on la met en place manuellement. Cela offre plus de flexibilité, mais exige une implémentation personnalisée.

Dans cet exercice, vous allez créer une boucle pour entraîner un modèle de prédiction de salaire.

La fonction show_results() est fournie pour vous aider à visualiser quelques prédictions d'exemple.

Les importations de modules fournies sont : pandas sous pd, torch, torch.nn sous nn, torch.optim sous optim, ainsi que DataLoader et TensorDataset de torch.utils.data.

Les variables suivantes ont été créées : num_epochs, qui contient le nombre d'époques (réglé à 5); dataloader, qui contient le chargeur de données; model, qui contient le réseau de neurones; criterion, qui contient la fonction de perte, nn.MSELoss(); optimizer, qui contient l'optimiseur SGD.

Instructions 1/3

undefined XP
    1
    2
    3
  • Écrivez une boucle for qui itère sur le dataloader; elle doit être imbriquée dans une boucle for qui parcourt un intervalle égal au nombre d'époques.
  • Remettez les gradients de l'optimiseur à zéro.