ПочатиПочніть безкоштовно

Цикл тренування RNN

Час тренувати модель прогнозування споживання електроенергії!

Ви використаєте мережу LSTM, яку визначили раніше. Її екземпляр уже створено та збережено в net, так само як і dataloader_train, який ви побудували до цього. Також вам знадобиться torch.nn, який уже імпортовано як nn.

У цій вправі ви потренуєте модель лише три епохи, щоб переконатися, що навчання відбувається як очікується. Почнімо!

Ця вправа є частиною курсу

Середній рівень Deep Learning з PyTorch

Переглянути курс

Інструкції до вправи

  • Налаштуйте функцію втрат середньоквадратичної помилки (Mean Squared Error) і збережіть її в criterion.
  • Змініть форму seqs до (batch size, sequence length, num features), у нашому випадку це (32, 96, 1), і знову присвойте результат seqs.
  • Передайте seqs у модель, щоб отримати її outputs.
  • На основі раніше обчислених величин розрахуйте втрати та збережіть їх у loss.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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()}")
Редагувати та запускати код