ÎncepețiÎncepe gratuit

Bucla de antrenament pentru RNN

E momentul să antrenezi modelul de prognoză a consumului de electricitate!

Vei folosi rețeaua LSTM definită anterior, care a fost instanțiată și atribuită variabilei net, la fel ca și dataloader_train construit înainte. Va trebui să utilizezi și torch.nn, deja importat sub numele nn.

În acest exercițiu, vei antrena modelul timp de doar trei epoci, pentru a verifica dacă procesul de antrenament decurge corect. Să începem!

Acest exercițiu face parte din cursul

Deep Learning intermediar cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

  • Configurează funcția de pierdere Mean Squared Error și atribuie-o variabilei criterion.
  • Remodelează seqs la forma (batch size, sequence length, num features), adică (32, 96, 1), și reatribuie rezultatul variabilei seqs.
  • Pasează seqs modelului pentru a obține outputs.
  • Pe baza valorilor calculate anterior, calculează pierderea și atribuie-o variabilei loss.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

net = Net()
# Set up MSE loss
criterion = ____
optimizer = optim.Adam(
  net.parameters(), lr=0.0001
)

for epoch in range(3):
    for seqs, labels in dataloader_train:
        # Reshape model inputs
        seqs = ____
        # Get model outputs
        outputs = ____
        # Compute loss
        loss = ____
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
    print(f"Epoch {epoch+1}, Loss: {loss.item()}")
Editează și rulează codul