Example of Using Pytorch--2

1 Task Description

给出了美国某个州的过去四天的调查结果，然后预测接下来第五天的概率。

• 其中数据在a.csv中
• 每行代表一个数据样本，包含118个特点
• 最后一行元素是标签
  

2 解决思路

2.1 Load data/Preprocessing

• Load data: 可以利用Pandas找到csv文件

train_data = pd.read_csv('./covid.train.csv').drop(columns=['data']).values

• preprocessing：得到模型输入和标签

x_train, y_train = train_data[:, :-1], train_data[:, -1]

2.2 Dataset

2.3 Dataloader

train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, pin_memory=True)

• Group data into batches
• 如果设置shuffle=True，倒进的数据将自动重新标记
• 在训练中常设置shuffle=True

2.4 Model

• 输入维数是117
• 模型的输出是标量

2.5 Criterion（标准）

• 做一个回归模型，选择均方误差作为损失函数是一个方案

criterion = torch.nn.MSELoss(reduction='mean')

2.6 Optimizer
选用一个适应调节网络参数的优化方式减小误差
exmple：选用随即梯度下降作为优化算法

optomizer = torch.optiom.SGD(model.parameters(), 1r=1e-5,momentum=0.9)

2.7 循环训练(Training loop)

• 得到一个预测模型，计算梯度，更新参数，重新设置模型参数的梯度