Introduzione al LightningModule
Preparati a creare il tuo primo LightningModule! In questo esercizio pratico imposterai la struttura principale di un flusso di lavoro per la classificazione. Definirai un livello lineare, farai passare i dati nel metodo forward e calcolerai la loss nello step di training. Questa struttura pulita ti dà una base solida per iniziare a sperimentare con i tuoi modelli.
torch e lightning.pytorch, importato come pl, sono già stati caricati per te.
Questo esercizio fa parte del corso
Modelli di AI scalabili con PyTorch Lightning
Istruzioni dell'esercizio
- Definisci una classe
LightModelche eredita dapl.LightningModule. - Definisci un livello lineare per trasformare l'input, assumendo 16 feature in ingresso e 10 classi in uscita.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Define the model class
class LightModel(____):
# Define a linear layer to transform your input
def __init__(self):
super().__init__()
self.layer = ____
def forward(self, x):
return self.layer(x)
def training_step(self, batch, batch_idx):
x, y = batch
logits = self(x)
loss = torch.nn.functional.cross_entropy(logits, y)
return loss