1. Learn
    2. /
  2. Courses
    3. /
  3. Uczenie głębokie dla tekstu z PyTorch
Connected

Exercise

Trenowanie modelu GAN

Twój zespół w PyBooks poczynił duże postępy w budowie generatora tekstu opartego na generatywnej sieci przeciwstawnej (GAN). Udało się zdefiniować sieci generatora i dyskryminatora. Teraz czas je wytrenować. Ostatni krok to wygenerowanie fałszywych danych i porównanie ich z danymi rzeczywistymi, aby sprawdzić, jak dobrze model GAN się nauczył. Jako dane wejściowe użyto tensorów, a dane wyjściowe będą starały się je naśladować. Zespół PyBooks będzie mógł następnie wykorzystać te syntetyczne dane do analizy tekstu – cechy będą miały takie same relacje jak w danych tekstowych.

Generator i dyskryminator zostały zainicjalizowane i zapisane odpowiednio do zmiennych generator i discriminator.

Następujące zmienne zostały zainicjalizowane w ćwiczeniu:

  • seq_length = 5: długość każdej sekwencji syntetycznych danych
  • num_sequences = 100: łączna liczba wygenerowanych sekwencji
  • num_epochs = 50: liczba pełnych przebiegów przez zbiór danych
  • print_every = 10: częstotliwość wyświetlania wyników – co 10 epok

Instructions 1/3

undefined XP
    1
    2
    3
  • Zdefiniuj funkcję straty dla klasyfikacji binarnej oraz optymalizator Adam.
  • Wytrenuj dyskryminator, dodając wymiar do real_data i wyłączając obliczanie gradientów.