Bắt đầu ngayBắt đầu miễn phí

Bộ dữ liệu tuần tự

Làm tốt lắm khi đã xây dựng được hàm create_sequences()! Giờ là lúc dùng nó để tạo bộ dữ liệu huấn luyện cho mô hình của bạn.

Tương tự như dữ liệu dạng bảng và ảnh, dữ liệu tuần tự sẽ dễ đưa vào mô hình nhất thông qua torch Dataset và DataLoader. Để xây dựng một Dataset tuần tự, bạn sẽ gọi create_sequences() để lấy các mảng NumPy của đầu vào và mục tiêu, rồi kiểm tra hình dạng (shape) của chúng. Tiếp theo, bạn sẽ truyền chúng vào TensorDataset để tạo một torch Dataset đúng chuẩn, và kiểm tra độ dài của nó.

Phiên bản hiện thực của create_sequences() và một DataFrame chứa dữ liệu huấn luyện tên là train_data đã được cung cấp.

Bài tập này là một phần của khóa học

Deep Learning nâng cao với PyTorch

Xem khóa học

Hướng dẫn bài tập

  • Gọi create_sequences(), truyền vào DataFrame huấn luyện và độ dài chuỗi là 24*4, gán kết quả cho X_train, y_train.
  • Định nghĩa dataset_train bằng cách gọi TensorDataset và truyền vào hai đối số là đầu vào và mục tiêu do create_sequences() tạo ra, cả hai đều được chuyển từ mảng NumPy sang tensor số thực (float).

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

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))
Chỉnh sửa và Chạy Mã