Écrire une boucle d’apprentissage
Dans scikit-learn, la boucle d’apprentissage est intégrée à la méthode .fit(), tandis que dans PyTorch, elle est configurée manuellement. Bien que cela ajoute de la flexibilité, cela requiert une mise en œuvre personnalisée.
Dans cet exercice, vous allez créer une boucle pour entraîner un modèle de prédiction des salaires.
La fonction show_results() vous permet de visualiser quelques exemples de prédictions.
Les importations de paquets fournies sont : pandas sous le nom pd, torch, torch.nn sous le nom nn, torch.optim sous le nomoptim, ainsi que DataLoader et TensorDataset à partir de torch.utils.data.
Les variables suivantes ont été créées : num_epochs, qui contient le nombre d’époques (défini à 5), dataloader, qui contient le chargeur de données, model, qui contient le réseau neuronal, criterion, qui contient la fonction de perte, nn.MSELoss(), et optimizer, qui contient l’optimiseur.
Cet exercice fait partie du cours
Introduction au deep learning avec PyTorch
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Loop over the number of epochs and then the dataloader
for i in ____:
for data in ____:
# Set the gradients to zero
____