НачатьНачать бесплатно

Последовательный набор данных

Отличная работа с функцией create_sequences()! Теперь воспользуемся ею, чтобы создать обучающий набор данных для модели.

Как и в случае с табличными и изображёнными данными, последовательные данные удобнее всего передавать в модель через torch Dataset и DataLoader. Чтобы построить последовательный Dataset, вызовите create_sequences() для получения массивов NumPy с входными данными и целевыми значениями, а затем проверьте их форму. Далее передайте их в TensorDataset, чтобы создать корректный torch Dataset, и проверьте его длину.

Реализация функции create_sequences() и DataFrame с обучающими данными train_data уже доступны.

Это упражнение является частью курса

Глубокое обучение на PyTorch: средний уровень

Посмотреть курс

Инструкции к упражнению

  • Вызовите create_sequences(), передав ей обучающий DataFrame и длину последовательности 24*4; присвойте результат переменным X_train, y_train.
  • Определите dataset_train, вызвав TensorDataset и передав ей два аргумента — входные данные и целевые значения, полученные из create_sequences(), — предварительно преобразовав оба массива NumPy в тензоры вещественных чисел.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

import torch
from torch.utils.data import TensorDataset

# Use create_sequences to create inputs and targets
X_train, y_train = ____
print(X_train.shape, y_train.shape)

# Create TensorDataset
dataset_train = ____(
    ____,
    ____,
)
print(len(dataset_train))
Редактировать и запускать код