做网站用笔记本电脑,wordpress+假用户插件,微信小程序云开发模板,湛江网络paddle不需要放数据到gpu#xff01;
区别#xff1a;1.batch_norlization 不同 2. 1.数据处理
1.取一个数据#xff0c;以及计算大小 #xff08;剩下的工作#xff0c;取batch#xff0c;pytorch会自动做好了#xff09; 2.模型相关
如何得到结果 3.模型训练/模型…paddle不需要放数据到gpu
区别1.batch_norlization 不同 2. 1.数据处理
1.取一个数据以及计算大小 剩下的工作取batchpytorch会自动做好了 2.模型相关
如何得到结果 3.模型训练/模型验证: 代码剖析
1.配置文件yaml (字典)
#参数配置config {train_path:/kaggle/input/deepshare-playground/train_behaviour.csv,test_path:/kaggle/input/deepshare-playground/test_behaviour.csv,debug_mode : False,epoch : 20,batch : 2048,lr : 0.001,device : 0,
}
使用: config[ 名称 ]
train_df pd.read_csv(config[train_path])
if config[debug_mode]:train_df train_df[:1000]
test_df pd.read_csv(config[test_path]) 2.处理数据定义DataSet
关键len getitem(获取单独的一个)
#Dataset构造
class BaseDataset(Dataset):def __init__(self,df):self.df dfself.feature_name [user_id,item_id]#数据编码self.enc_data()def enc_data(self):#使用enc_dict对数据进行编码self.enc_df copy.deepcopy(self.df)for col in self.feature_name:self.enc_df[col] torch.Tensor(np.array(self.df[col])).long()def __getitem__(self, index):data dict()for col in self.feature_name:data[col] torch.Tensor([self.enc_df[col].iloc[index]]).long().squeeze(-1)if label in self.enc_df.columns:data[label] torch.Tensor([self.enc_df[label].iloc[index]]).squeeze(-1)return datadef __len__(self):return len(self.df)
3.模型定义
4.训练与验证
完成Train Pipeline/Valid Pipeline 4.1 拷贝数据-gpu
4.2前向传输
4.3
4.4 指标计算
