Zacznij terazZacznij za darmo

Doskonalenie metody forward

Po zdefiniowaniu warstw w metodzie __init__ to metoda forward decyduje o tym, jak dane przez nie przepływają. W PyTorch Lightning taki podział sprawia, że kod jest przejrzysty i łatwy w utrzymaniu. Wiesz już, jak zbudować konstruktor – czas skupić się na metodzie forward i zadbać o to, by logika klasyfikacji była czytelna i gotowa do trenowania. Warstwy w __init__ są już dla ciebie zdefiniowane, więc możesz skoncentrować się wyłącznie na przepływie danych.

Biblioteki lightning.pytorch i torch.nn zostały już zaimportowane odpowiednio jako pl i nn.

To ćwiczenie jest częścią kursu

Skalowalne modele AI z PyTorch Lightning

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimplementuj metodę forward wewnątrz klasy ClassifierModel.
  • Zastosuj aktywację ReLU po warstwie ukrytej.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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
Edytuj i uruchom kod