शुरू करेंमुफ़्त में शुरू करें

Sequential Dataset

create_sequences() फंक्शन बनाकर आपने अच्छा काम किया! अब इसे इस्तेमाल करके अपने मॉडल के लिए training dataset तैयार करने का समय है.

जैसे tabular और image डेटा के साथ करते हैं, वैसे ही sequential डेटा को भी torch के Dataset और DataLoader के माध्यम से मॉडल को पास करना सबसे आसान रहता है. Sequential Dataset बनाने के लिए, आप create_sequences() कॉल करेंगे ताकि inputs और targets वाले NumPy arrays मिलें, और उनकी shape देखें. फिर इन्हें TensorDataset को पास करके एक सही torch Dataset बनाएँगे, और उसकी length जाँचेंगे.

आपकी create_sequences() की implementation और training डेटा वाला DataFrame train_data उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

इंटरमीडिएट Deep Learning with PyTorch

पाठ्यक्रम देखें

अभ्यास निर्देश

  • create_sequences() कॉल करें, इसमें training DataFrame और sequence length 24*4 पास करें, और परिणाम X_train, y_train को असाइन करें.
  • dataset_train को TensorDataset कॉल करके परिभाषित करें, और इसमें दो आर्ग्युमेंट पास करें: create_sequences() से बने inputs और targets, दोनों को NumPy arrays से float टेन्सर्स में कन्वर्ट करके.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

import torch
from torch.utils.data import TensorDataset

# Use create_sequences to create inputs and targets
X_train, y_train = ____
print(X_train.shape, y_train.shape)

# Create TensorDataset
dataset_train = ____(
    ____,
    ____,
)
print(len(dataset_train))
कोड संपादित करें और चलाएँ