RNN training loop
Saatnya melatih model peramalan konsumsi listrik!
Anda akan menggunakan jaringan LSTM yang telah Anda definisikan sebelumnya, yang telah diinstansiasi dan disimpan ke net, begitu juga dataloader_train yang sudah Anda bangun. Anda juga perlu menggunakan torch.nn yang sudah diimpor sebagai nn.
Pada latihan ini, Anda akan melatih model hanya selama tiga epoch untuk memastikan proses pelatihan berjalan sebagaimana mestinya. Mari kita mulai!
Latihan ini merupakan bagian dari kursus
Deep Learning Lanjutan dengan PyTorch
Instruksi latihan
- Siapkan loss Mean Squared Error dan simpan ke
criterion. - Ubah bentuk
seqsmenjadi(batch size, sequence length, num features), yang dalam kasus kita adalah(32, 96, 1), lalu simpan kembali hasilnya keseqs. - Berikan
seqske model untuk memperolehoutputs. - Berdasarkan besaran yang telah dihitung sebelumnya, hitung loss dan simpan ke
loss.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
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()}")