1. 学ぶ
    2. /
  2. コース
    3. /
  3. Głębokie uczenie z PyTorch – poziom średnio zaawansowany
Connected

演習

Sekwencyjny zbiór danych

Świetna robota z budowaniem funkcji create_sequences()! Czas ją wykorzystać do stworzenia zbioru treningowego dla modelu.

Podobnie jak dane tabelaryczne i obrazy, dane sekwencyjne najwygodniej przekazuje się do modelu przez obiekt Dataset i DataLoader z biblioteki PyTorch. Aby zbudować sekwencyjny Dataset, wywołasz create_sequences(), aby uzyskać tablice NumPy z danymi wejściowymi i docelowymi, a następnie sprawdzisz ich kształt. Kolejnym krokiem będzie przekazanie ich do TensorDataset, co pozwoli stworzyć właściwy Dataset PyTorch, a następnie sprawdzisz jego długość.

Dostępna jest twoja implementacja create_sequences() oraz DataFrame z danymi treningowymi o nazwie train_data.

指示

100 XP
  • Wywołaj create_sequences(), przekazując jej treningowy DataFrame oraz długość sekwencji równą 24*4, a wynik przypisz do X_train, y_train.
  • Zdefiniuj dataset_train, wywołując TensorDataset i przekazując jej dwa argumenty: dane wejściowe oraz docelowe wygenerowane przez create_sequences() – oba przekonwertowane z tablic NumPy na tensory typu float.