Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Завдання: Реалізація Лінійної Регресії | Більш Просунуті Концепції
Основи PyTorch

bookЗавдання: Реалізація Лінійної Регресії

Завдання

Swipe to start coding

Вам надано набір даних, що містить інформацію про кількість годин, які студенти витратили на навчання, та їх відповідні результати тестів. Ваше завдання — навчити модель лінійної регресії на цих даних.

  1. Перетворіть ці стовпці у тензори PyTorch та змініть їх форму, щоб вони були двовимірними з розмірністю [N, 1].
  2. Визначте просту модель лінійної регресії.
  3. Використайте MSE як функцію втрат.
  4. Визначте optimizer як SGD зі швидкістю навчання 0.01.
  5. Навчіть модель лінійної регресії для прогнозування результатів тесту на основі кількості годин навчання. На кожній епосі:
    • Обчисліть передбачення на X_tensor;
    • Обчисліть втрати;
    • Скиньте градієнти;
    • Виконайте зворотне поширення помилки;
    • Оновіть параметри.
  6. Отримайте параметри моделі (ваги та зсув).

Рішення

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 4
single

single

Запитати АІ

expand

Запитати АІ

ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

close

Awesome!

Completion rate improved to 5

bookЗавдання: Реалізація Лінійної Регресії

Свайпніть щоб показати меню

Завдання

Swipe to start coding

Вам надано набір даних, що містить інформацію про кількість годин, які студенти витратили на навчання, та їх відповідні результати тестів. Ваше завдання — навчити модель лінійної регресії на цих даних.

  1. Перетворіть ці стовпці у тензори PyTorch та змініть їх форму, щоб вони були двовимірними з розмірністю [N, 1].
  2. Визначте просту модель лінійної регресії.
  3. Використайте MSE як функцію втрат.
  4. Визначте optimizer як SGD зі швидкістю навчання 0.01.
  5. Навчіть модель лінійної регресії для прогнозування результатів тесту на основі кількості годин навчання. На кожній епосі:
    • Обчисліть передбачення на X_tensor;
    • Обчисліть втрати;
    • Скиньте градієнти;
    • Виконайте зворотне поширення помилки;
    • Оновіть параметри.
  6. Отримайте параметри моделі (ваги та зсув).

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

close

Awesome!

Completion rate improved to 5
Секція 2. Розділ 4
single

single

some-alt