1. Learn
    2. /
  2. Kurser
    3. /
  3. Fördjupad djupinlärning med PyTorch
Connected

övning

Sekventiellt dataset

Bra jobbat med att bygga funktionen create_sequences()! Nu är det dags att använda den för att skapa ett träningsdataset till din modell.

Precis som med tabell- och bilddata är det enklast att skicka sekventiell data till en modell via ett torch-dataset och en DataLoader. För att bygga ett sekventiellt dataset anropar du create_sequences() för att hämta NumPy-arrayerna med indata och mål, och du inspekterar deras form. Sedan skickar du dem till ett TensorDataset för att skapa ett korrekt torch-dataset och kontrollerar dess längd.

Din implementation av create_sequences() och en DataFrame med träningsdata som heter train_data finns tillgängliga.

Instruktioner

100 XP
  • Anropa create_sequences() och skicka in tränings-DataFramen samt en sekvenslängd på 24*4, och tilldela resultatet till X_train, y_train.
  • Definiera dataset_train genom att anropa TensorDataset och skicka in två argument – indata och mål skapade av create_sequences() – båda konverterade från NumPy-arrayer till float-tensorer.