Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Desafío: Clasificación de Flores | Redes Neuronales en PyTorch
Esenciales de PyTorch

bookDesafío: Clasificación de Flores

Tarea

Swipe to start coding

Tu objetivo es entrenar y evaluar una red neuronal simple utilizando el conjunto de datos Iris, que consiste en mediciones de flores y clasificación de especies.

  1. Divide el conjunto de datos en conjuntos de entrenamiento y prueba, asignando el 20% para el conjunto de prueba y estableciendo el estado aleatorio en 42.
  2. Convierte X_train y X_test en tensores de PyTorch de tipo float32.
  3. Convierte y_train y y_test en tensores de PyTorch de tipo long.
  4. Define un modelo de red neuronal creando la clase IrisModel.
  5. Implementa dos capas totalmente conectadas y aplica la función de activación ReLU en la capa oculta.
  6. Inicializa el modelo con el tamaño de entrada correcto, tamaño de la capa oculta igual a 16 y tamaño de salida.
  7. Define la función de pérdida como cross-entropy loss y el optimizador como Adam con una tasa de aprendizaje de 0.01.
  8. Entrena el modelo durante 100 épocas realizando propagación hacia adelante, cálculo de la pérdida, retropropagación y actualización de los parámetros del modelo.
  9. Establece el modelo en modo de evaluación después del entrenamiento.
  10. Desactiva el cálculo de gradientes durante la prueba para mejorar la eficiencia.
  11. Calcula las predicciones en el conjunto de prueba utilizando el modelo entrenado.
  12. Determina las etiquetas de clase predichas a partir de las predicciones en bruto.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 3. Capítulo 4
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Suggested prompts:

Resumir este capítulo

Explicar el código en file

Explicar por qué file no resuelve la tarea

close

Awesome!

Completion rate improved to 5

bookDesafío: Clasificación de Flores

Desliza para mostrar el menú

Tarea

Swipe to start coding

Tu objetivo es entrenar y evaluar una red neuronal simple utilizando el conjunto de datos Iris, que consiste en mediciones de flores y clasificación de especies.

  1. Divide el conjunto de datos en conjuntos de entrenamiento y prueba, asignando el 20% para el conjunto de prueba y estableciendo el estado aleatorio en 42.
  2. Convierte X_train y X_test en tensores de PyTorch de tipo float32.
  3. Convierte y_train y y_test en tensores de PyTorch de tipo long.
  4. Define un modelo de red neuronal creando la clase IrisModel.
  5. Implementa dos capas totalmente conectadas y aplica la función de activación ReLU en la capa oculta.
  6. Inicializa el modelo con el tamaño de entrada correcto, tamaño de la capa oculta igual a 16 y tamaño de salida.
  7. Define la función de pérdida como cross-entropy loss y el optimizador como Adam con una tasa de aprendizaje de 0.01.
  8. Entrena el modelo durante 100 épocas realizando propagación hacia adelante, cálculo de la pérdida, retropropagación y actualización de los parámetros del modelo.
  9. Establece el modelo en modo de evaluación después del entrenamiento.
  10. Desactiva el cálculo de gradientes durante la prueba para mejorar la eficiencia.
  11. Calcula las predicciones en el conjunto de prueba utilizando el modelo entrenado.
  12. Determina las etiquetas de clase predichas a partir de las predicciones en bruto.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

close

Awesome!

Completion rate improved to 5
Sección 3. Capítulo 4
single

single

some-alt