Mulai sekarangMulai gratis

Menyempurnakan metode forward

Setelah menyiapkan layer di metode __init__, metode forward menentukan bagaimana data mengalir melaluinya. Di PyTorch Lightning, pemisahan ini membuat kode Anda tetap rapi dan mudah dipelihara. Anda telah melihat cara menyusun konstruktor—sekarang saatnya berfokus pada forward pass, memastikan logika klasifikasi Anda jelas dan dioptimalkan untuk pelatihan. Di sini, layer pada __init__ sudah didefinisikan untuk Anda, sehingga Anda dapat berkonsentrasi murni pada alur forward.

lightning.pytorch dan torch.nn telah diimpor sebagai pl dan nn.

Latihan ini merupakan bagian dari kursus

Model AI yang Dapat Diskalakan dengan PyTorch Lightning

Lihat Kursus

Instruksi latihan

  • Implementasikan metode forward di dalam ClassifierModel.
  • Terapkan aktivasi ReLU setelah hidden layer.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

class ClassifierModel(pl.LightningModule):
  
    def __init__(self, input_dim, hidden_dim, output_dim):
        super().__init__()
        self.hidden = nn.Linear(input_dim, hidden_dim)
        self.output = nn.Linear(hidden_dim, output_dim)
        
    # Define forward method
    def ____(self, ____):
        # Complete the forward pass
        x = self.hidden(x)
        x = ____(x)
        x = self.output(x)
        return x
Edit dan Jalankan Kode