Estoy utilizando PyTorch para la clasificación multietiqueta. He utilizado pesos positivos en BCELoss ya que tengo datos desequilibrados. Para usar pesos positivos, ¿necesitamos tomar el conjunto de datos completo (entrenamiento, validación, prueba) o sólo el conjunto de entrenamiento para calcular el peso positivo… Gracias…
Estoy utilizando Google Colab y PyTorch Lightning para entrenar un modelo de clasificación. Importé ‘LightningModule’, pero el error persiste. Este es el código. trainer.fit(modelo, traincargador, valcargador) Muestra este error.
Estoy usando pesos de clase para clasificación multiclase utilizando la función “compute_weight” de sklearn y Pytorch para entrenar el modelo. Para calcular el peso de clase, ¿debemos utilizar todos los datos (entrenamiento, validación y prueba) o solamente los datos del conjunto de entrenamiento? Gracias.
Soy un traductor de IT que traduce documentos. Traduzca lo siguiente al español. No traduzca el código y la salida en markdown. Soy muy nuevo en el Aprendizaje Profundo, y estoy convirtiendo un proyecto existente en Pytorch Lightning siguiendo este tutorial. Quiero probar el buscador automático de tamaño de lote. . . . Read more
Estoy intentando convertir el código del modelo de CNN de Keras a Pytorch. Aquí está la capa secuencial de Keras: model = Sequential() model.add(Conv2D(filters=64, kernel_size=(3,3), activation=”relu”, input_shape=(28,28,1))) model.add(Conv2D(filters=64, kernel_size=(3,3), activation=”relu”)) model.add(MaxPooling2D(pool_size=(2,2))) model.add(BatchNormalization()) model.add(Conv2D(filters=128, kernel_size=(3,3), activation=”relu”)) model.add(Conv2D(filters=128, kernel_size=(3,3), activation=”relu”)) model.add(MaxPooling2D(pool_size=(2,2))) model.add(BatchNormalization()) model.add(Conv2D(filters=256, kernel_size=(3,3), activation=”relu”)) model.add(MaxPooling2D(pool_size=(2,2))) model.add(Flatten()) model.add(BatchNormalization()) model.add(Dense(512, activation=”relu”)) model.add(Dense(10, activation=”softmax”)) . . . Read more