Я хочу обучить нейронную сеть в PyTorch с одним выходным нейроном для прогнозирования выходных данных указанной мной целевой функции. Допустим, это функция трех реальных переменных, поэтому я планирую создать сеть с тремя входными нейронами. Как лучше всего это сделать? Должен ли я создать собственный набор данных с входными и выходными данными целевой функции или есть более разумный способ? Сейчас мой цикл обучения выглядит так (я экспериментировал с MNIST в другой сети):
Код: Выделить всё
for _ in range(training_dict['epochs']):
for batch, (X, y) in enumerate(dataloader):
X, y = X.to(device), y.to(device)
# Compute prediction error
pred = model(X)
current_loss = loss(pred, y)
# Backpropagation
current_loss.backward()
optimizer.step() # Performs a step
optimizer.zero_grad()
return model
Вы можете видеть, что он работает с загрузчиком данных, поэтому мне снова было интересно, стоит ли мне создать собственный набор данных для регрессии, а затем использовать этот цикл обучения, или, может быть, есть более разумный способ делать дела. Если стандартом является создание собственного набора данных регрессии, я хотел бы иметь пример того, как это сделать.
Подробнее здесь:
https://stackoverflow.com/questions/789 ... in-pytorch