Défi : Classification des Fleurs
Tâche
Swipe to start coding
Votre objectif est d'entraîner et d'évaluer un réseau de neurones simple en utilisant le jeu de données Iris, qui comprend des mesures de fleurs et la classification des espèces.
- Divisez le jeu de données en ensembles d'entraînement et de test en allouant 20% pour l'ensemble de test et en fixant l'état aléatoire à
42
. - Convertissez
X_train
etX_test
en tenseurs PyTorch de typefloat32
. - Convertissez
y_train
ety_test
en tenseurs PyTorch de typelong
. - Définissez un modèle de réseau de neurones en créant la classe
IrisModel
. - Implémentez deux couches complètement connectées et appliquez la fonction d'activation ReLU dans la couche cachée.
- Initialisez le modèle avec la taille d'entrée correcte, une taille de couche cachée égale à
16
, et la taille de sortie. - Définissez la fonction de perte comme une perte d'entropie croisée et l'optimiseur comme Adam avec un taux d'apprentissage de
0.01
. - Entraînez le modèle pendant 100 époques en effectuant la propagation avant, le calcul de la perte, la rétropropagation et la mise à jour des paramètres du modèle.
- Passez le modèle en mode évaluation après l'entraînement.
- Désactivez le calcul du gradient lors du test pour améliorer l'efficacité.
- Calculez les prédictions sur l'ensemble de test à l'aide du modèle entraîné.
- Déterminez les étiquettes de classe prédites à partir des prédictions brutes.
Solution
Tout était clair ?
Merci pour vos commentaires !
Section 3. Chapitre 4
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Suggested prompts:
Can you explain this in simpler terms?
What are some examples related to this topic?
Where can I learn more about this?
Awesome!
Completion rate improved to 5
Défi : Classification des Fleurs
Glissez pour afficher le menu
Tâche
Swipe to start coding
Votre objectif est d'entraîner et d'évaluer un réseau de neurones simple en utilisant le jeu de données Iris, qui comprend des mesures de fleurs et la classification des espèces.
- Divisez le jeu de données en ensembles d'entraînement et de test en allouant 20% pour l'ensemble de test et en fixant l'état aléatoire à
42
. - Convertissez
X_train
etX_test
en tenseurs PyTorch de typefloat32
. - Convertissez
y_train
ety_test
en tenseurs PyTorch de typelong
. - Définissez un modèle de réseau de neurones en créant la classe
IrisModel
. - Implémentez deux couches complètement connectées et appliquez la fonction d'activation ReLU dans la couche cachée.
- Initialisez le modèle avec la taille d'entrée correcte, une taille de couche cachée égale à
16
, et la taille de sortie. - Définissez la fonction de perte comme une perte d'entropie croisée et l'optimiseur comme Adam avec un taux d'apprentissage de
0.01
. - Entraînez le modèle pendant 100 époques en effectuant la propagation avant, le calcul de la perte, la rétropropagation et la mise à jour des paramètres du modèle.
- Passez le modèle en mode évaluation après l'entraînement.
- Désactivez le calcul du gradient lors du test pour améliorer l'efficacité.
- Calculez les prédictions sur l'ensemble de test à l'aide du modèle entraîné.
- Déterminez les étiquettes de classe prédites à partir des prédictions brutes.
Solution
Tout était clair ?
Merci pour vos commentaires !
Section 3. Chapitre 4
single