1. Обучение
    2. /
  2. Курса
    3. /
  3. Введение в глубокое обучение с PyTorch
Connected

упражнение

Написание цикла обучения

В scikit-learn цикл обучения скрыт внутри метода .fit(), тогда как в PyTorch его нужно настраивать вручную. Это даёт больше гибкости, но требует написания собственной реализации.

В этом упражнении вы создадите цикл для обучения модели прогнозирования заработной платы.

Функция show_results() уже предоставлена — она поможет вам визуализировать примеры предсказаний.

Импортированные пакеты: pandas как pd, torch, torch.nn как nn, torch.optim как optim, а также DataLoader и TensorDataset из torch.utils.data.

Созданы следующие переменные: num_epochs — количество эпох (равно 5); dataloader — загрузчик данных; model — нейронная сеть; criterion — функция потерь nn.MSELoss(); optimizer — оптимизатор SGD.

Инструкции 1/3

undefined XP
    1
    2
    3
  • Напишите цикл for, который перебирает элементы dataloader; вложите его в цикл for, который перебирает диапазон, равный количеству эпох.
  • Обнулите градиенты оптимизатора.