शुरू करेंमुफ़्त में शुरू करें

RNN ट्रेनिंग लूप

अब बिजली की खपत का फ़ोरकास्टिंग मॉडल ट्रेन करने का समय है!

आप वही LSTM नेटवर्क इस्तेमाल करेंगे जिसे आपने पहले परिभाषित किया था. उसे instantiate करके net में असाइन किया गया है, और पहले बनाया हुआ dataloader_train भी उपलब्ध है. आपको torch.nn की भी ज़रूरत पड़ेगी, जिसे पहले ही nn नाम से इम्पोर्ट किया जा चुका है.

इस अभ्यास में, आप केवल तीन epochs के लिए मॉडल को ट्रेन करेंगे ताकि यह पक्का हो सके कि ट्रेनिंग अपेक्षित रूप से आगे बढ़ रही है. चलिए शुरू करते हैं!

यह अभ्यास पाठ्यक्रम का हिस्सा है

इंटरमीडिएट Deep Learning with PyTorch

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Mean Squared Error लॉस सेट करें और उसे criterion में असाइन करें.
  • seqs को (batch size, sequence length, num features) के आकार में reshape करें, जो हमारे केस में (32, 96, 1) है, और नतीजे को वापस seqs में असाइन करें.
  • seqs को मॉडल में पास करें और उसके outputs लें.
  • पहले से निकाली गई quantities के आधार पर loss कैलकुलेट करें और उसे loss में असाइन करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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()}")
कोड संपादित करें और चलाएँ