ПочатиПочніть безкоштовно

Послідовні дані (Sequential Dataset)

Чудова робота з функцією create_sequences()! Тепер час використати її, щоб створити тренувальний набір даних для вашої моделі.

Так само, як і табличні чи зображення, послідовні дані найзручніше передавати моделі через torch Dataset і DataLoader. Щоб побудувати послідовний Dataset, ви викличете create_sequences(), отримаєте масиви NumPy з вхідними даними та цілями й перевірите їхні розміри. Далі ви передасте їх до TensorDataset, щоб створити коректний torch Dataset, і перевірите його довжину.

Ваша реалізація create_sequences() і DataFrame з тренувальними даними train_data вже доступні.

Ця вправа є частиною курсу

Середній рівень Deep Learning з PyTorch

Переглянути курс

Інструкції до вправи

  • Викличте create_sequences(), передайте до неї тренувальний DataFrame та довжину послідовності 24*4, а результат присвойте змінним X_train, y_train.
  • Створіть dataset_train, викликавши TensorDataset і передавши два аргументи — вхідні дані та цілі, отримані з create_sequences(), обидва перетворені з масивів NumPy на тензори з типом float.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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))
Редагувати та запускати код