BaşlayınÜcretsiz Başlayın

RNN eğitim döngüsü

Artık elektrik tüketimi tahmin modelini eğitme zamanı!

Daha önce tanımladığın ve şu anda net değişkenine atanmış olan LSTM ağını kullanacaksın; aynı şekilde daha önce oluşturduğun dataloader_train da hazır. Ayrıca, zaten nn olarak içe aktarılmış olan torch.nn'i de kullanman gerekecek.

Bu egzersizde, eğitimin beklendiği gibi ilerlediğinden emin olmak için modeli sadece üç epoch boyunca eğiteceksin. Hadi başlayalım!

Bu egzersiz

PyTorch ile Orta Düzey Deep Learning

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Mean Squared Error kaybını ayarla ve criterion değişkenine ata.
  • seqs tensörünü (batch size, sequence length, num features) şekline getir ve sonucu tekrar seqs'e ata; bizim durumda bu şekil (32, 96, 1).
  • seqs'i modele vererek outputs değerlerini elde et.
  • Daha önce hesaplanan niceliklere dayanarak kaybı hesapla ve loss değişkenine ata.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

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()}")
Kodu Düzenle ve Çalıştır