เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ชุดข้อมูลแบบลำดับ

สร้างฟังก์ชัน create_sequences() ได้ดีมาก! ถึงเวลานำมันไปใช้สร้างชุดข้อมูลสำหรับฝึกโมเดลแล้ว

เช่นเดียวกับข้อมูลแบบตารางและข้อมูลภาพ วิธีที่สะดวกที่สุดในการส่งข้อมูลแบบลำดับให้โมเดลคือผ่าน torch Dataset และ DataLoader ในการสร้าง Dataset แบบลำดับ จะเรียกใช้ create_sequences() เพื่อให้ได้อาร์เรย์ NumPy ของ input และ target แล้วตรวจสอบ shape ของอาร์เรย์ จากนั้นส่งต่อไปยัง TensorDataset เพื่อสร้าง torch Dataset และตรวจสอบความยาวของมัน

ฟังก์ชัน create_sequences() และ DataFrame ของข้อมูลฝึกที่ชื่อ train_data พร้อมใช้งานแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning ระดับกลางด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เรียกใช้ create_sequences() โดยส่ง DataFrame ของข้อมูลฝึกและความยาวลำดับ 24*4 เข้าไป แล้วกำหนดผลลัพธ์ให้กับ X_train, y_train
  • กำหนด dataset_train โดยเรียกใช้ TensorDataset และส่งอาร์กิวเมนต์ 2 ตัว ได้แก่ input และ target ที่ได้จาก create_sequences() ทั้งคู่แปลงจากอาร์เรย์ NumPy เป็น tensor ชนิด float

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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))
แก้ไขและรันโค้ด