开始使用免费开始使用

RNN 训练循环

现在开始训练电力消耗预测模型！

您将使用之前定义的 LSTM 网络，它已实例化并赋值给 net，之前构建的 dataloader_train 也已就绪。您还需要使用已经以 nn 导入的 torch.nn。

本练习中，您将仅训练 3 个 epoch，用于确认训练按预期进行。开始吧！

本练习是课程的一部分

PyTorch 深度学习进阶

查看课程

练习说明

  • 设置均方误差（Mean Squared Error）损失，并将其赋值给 criterion。
  • 将 seqs 重塑为 (batch size, sequence length, num features)，在本例中为 (32, 96, 1)，并将结果重新赋值给 seqs。
  • 将 seqs 传入模型以获得其 outputs。
  • 基于先前计算的量计算损失，并将其赋值给 loss。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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()}")
编辑并运行代码