텐서데이터 만들기 코드 관련 문의

Question

안녕하세요.   아래 시퀀스데이터 만들 때 sequence_length 5일로 다음날 1일을 예측하는 것인데, 만약 5일로 3일을 예측하려고 하면 아래와 같이 변경하면 되나요? 기존 : y_seq.append(y[i+sequence_length]) 변경 : y_seq.append(y[i+sequence_length+2])   [강사님 코드] def seq_data(x, y, sequence_length):          x_seq = []     y_seq = []     for i in range(len(x)-sequence_length):         x_seq.append(x[i:i+sequence_length])         y_seq.append(y[i+sequence_length])          return torch.FloatTensor(x_seq).to(device), torch.FloatTensor(y_seq).to(device).view([-1, 1])    split = 200 sequence_length = 5 x_seq, y_seq = seq_data(X, y, sequence_length) x_train_seq = x_seq[:split] y_train_seq = y_seq[:split] x_test_seq = x_seq[split:] y_test_seq = y_seq[split:] print(x_train_seq.size(), y_train_seq.size()) print(x_test_seq.size(), y_test_seq.size())

메시림 · Answer

RMSE코드도 변경을 해줘야 하는 것인가요? RMSE 를 기존 코드 그대로 두고 하니 오류가 뜹니다.   오류 내용은 이해는 했는데, 어떤 부분을 수정해줘야 하는 것인지는 잘 모르겠어서 질문드립니다. [오류 내용] y_true and y_pred have different number of output (1!=3)

메시림 · Answer

답변 감사합니다. 알려주신대로 코드 적용하고 taining 을 하는데, 아래와 같은 에러메시지가 뜹니다.   "The size od tensor a(3) must match the size of tensor b(2) at non-singleton dimension 1"     아래 강사님 코드이며, bold 부분를 수정해야 할 것으로 보이는데, 어떤 오류 때문인지 혹시 알 수 있을까요? loss_graph = [] n = len(train_loader) for epoch in range(num_epochs):     running_loss = 0.0          for data in train_loader:                  seq, target = data # 배치 데이터          out = model(seq)         loss = criterion(out, target)                  optimizer.zero_grad()         loss.backward()         optimizer.step()         running_loss += loss.item()          loss_graph.append(running_loss/n)     if epoch % 100 == 0:         print('[epoch: %d] loss: %.4f' %(epoch, running_loss/n))

딥러닝호형 · Answer

안녕하세요.    i+sequence_length+2  는  i+sequence_length+2  번째를 저장하겠다는 의미입니다. 즉, +2  하셨으니 기존의 인덱스에서 2만큼 뒤 쪽 데이터를 저장한다는 의미이므로 타겟값이 하나가 되고 3일 뒤를 예측한다는 의미가 됩니다.   타겟값을 3개로 변경하실 경우에는 다음과 같은 부분을 수정하셔야 합니다. 1. 위에서 언급한 리스트 내의 인덱스를  i+sequence_length: i+sequence_length+3  으로 변경하셔야 합니다. 2. def seq_data내의 for문을  len (x)-sequence_length -3 까지 돌리셔야 합니다. 3. return 값의 view도 [-1,3]으로 변경하셔야 합니다. 4. LSTM의 마지막 노드 개수도 3으로 변경하셔야 합니다. 5. 마지막으로 모델의  아웃풋이 3개이므로 그래프를 어떻게 그리실 것인지 기준을 정해야합니다.   감사합니다.