如何解决在pytorch中训练多输出回归模型
我想要一个包含 3 个回归输出的模型,例如下面的虚拟示例:
import torch
class MultiOutputRegression(torch.nn.Module):
def __init__(self):
super(MultiOutputRegression,self).__init__()
self.linear1 = torch.nn.Linear(1,10)
self.linear2 = torch.nn.Linear(10,10)
self.linear3 = torch.nn.Linear(3,3)
def forward(self,x):
x = self.linear1(x)
x = self.linear2(x)
x = self.linear3(x)
return x
假设我想训练它执行一个虚拟任务,例如,给定输入 x
返回 [x,2x,3x]
。
定义标准和损失后,我们可以使用以下数据对其进行训练:
for i in range(1,100,2):
x_train = torch.tensor([i,i + 1]).reshape(2,1).float()
y_train = torch.tensor([[j,2 * j] for j in x_train]).float()
y_pred = model(x_train)
# todo: perform training iteration
第一次迭代的样本数据为:
x_train
tensor([[1.],[2.]])
y_train
tensor([[1.,2.,3.],[2.,4.,6.]])
如何定义合适的损失和标准来训练神经网络? 感谢您的帮助
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。