Zacznij terazZacznij za darmo

Wprowadzenie do LightningModule

Czas zbudować swój pierwszy LightningModule! W tym ćwiczeniu praktycznym skonfigurujesz podstawową strukturę procesu klasyfikacji. Zdefiniujesz warstwę liniową, przeprowadzisz dane przez metodę forward i obliczysz stratę w kroku treningowym. Ta przejrzysta struktura daje solidne podstawy do dalszego eksperymentowania z modelami.

Biblioteki torch oraz lightning.pytorch, zaimportowana jako pl, zostały już wczytane.

To ćwiczenie jest częścią kursu

Skalowalne modele AI z PyTorch Lightning

Zobacz kurs

Instrukcje do ćwiczenia

  • Zdefiniuj klasę LightModel, która dziedziczy po pl.LightningModule.
  • Zdefiniuj warstwę liniową przekształcającą dane wejściowe, przyjmując 16 cech wejściowych i 10 klas wyjściowych.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
Edytuj i uruchom kod