Implementacja kroku treningowego
W tym ćwiczeniu zaimplementujesz metodę training_step() w module PyTorch Lightning przeznaczonym do klasyfikacji obrazów.
Twoja implementacja powinna rozpakowywać wsad obrazów i etykiet, obliczać predykcje modelu za pomocą przejścia w przód (forward pass), wyznaczać stratę entropii krzyżowej oraz rejestrować stratę treningową.
To ćwiczenie jest częścią kursu
Skalowalne modele AI z PyTorch Lightning
Instrukcje do ćwiczenia
- Upewnij się, że predykcje są obliczane przy użyciu przejścia w przód (forward pass).
- Oblicz stratę entropii krzyżowej.
- Zarejestruj stratę treningową.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from torch.nn.functional import cross_entropy
def training_step(self, batch, batch_idx):
x, y = batch
# Ensure that you compute predictions using the forward pass
y_hat = ____
# Calculate the cross entropy loss
loss = ____
# Log the loss
self.____("train_loss", loss)
return loss