rhdisp8288

RMSE코드도 변경을 해줘야 하는 것인가요?RMSE 를 기존 코드 그대로 두고 하니 오류가 뜹니다.&nbsp;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)

텐서데이터 만들기 코드 관련 문의

빠른 답변 감사합니다!
추가적으로 하나 더 질의 드리겠습니다.
그렇다면 input size는 변수의 개수보다 많을 수도 적을수도 없는 것인가요?

Input size 및 노드수 관련 문의

답변 감사합니다.
알려주신대로 코드 적용하고 taining 을 하는데, 아래와 같은 에러메시지가 뜹니다.
&nbsp;
"The size od tensor a(3) must match the size of tensor b(2) at non-singleton dimension 1"&nbsp;&nbsp;
&nbsp;
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): &nbsp; &nbsp; running_loss = 0.0 &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; for data in train_loader: &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; seq, target = data # 배치 데이터&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; out = model(seq) &nbsp; &nbsp; &nbsp; &nbsp; loss = criterion(out, target) &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; optimizer.zero_grad() &nbsp; &nbsp; &nbsp; &nbsp; loss.backward() &nbsp; &nbsp; &nbsp; &nbsp; optimizer.step() &nbsp; &nbsp; &nbsp; &nbsp; running_loss += loss.item() &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; loss_graph.append(running_loss/n) &nbsp; &nbsp; if epoch % 100 == 0: &nbsp; &nbsp; &nbsp; &nbsp; print('[epoch: %d] loss: %.4f' %(epoch, running_loss/n))

추가질문 하나 더 있습니다.
&nbsp;
R2를 추가적으로 확인하고자 아래와 같이 evaluation에 추가로 R2score를 아래와 같이 넣고&nbsp; print 를 하면 ['numpy.float32' object is not callable ]이라는 오류메시지가 뜹니다.
어떤 부분이 잘못되었는지 지도 부탁드립니다.
&nbsp;
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">def evaluation(dataloader):</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">&nbsp;</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">predictions = torch.tensor([], dtype=torch.float).to(device) </div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">actual = torch.tensor([], dtype=torch.float).to(device) </div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">&nbsp;</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">with torch.no_grad():</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">model.eval()</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">for data in dataloader:</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">inputs, values = data</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">outputs = model(inputs)</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">predictions = torch.cat((predictions, outputs), 0)</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">actual = torch.cat((actual, values), 0)</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">rmse = np.sqrt(mean_squared_error(predictions.cpu(), actual.cpu()))</div>
R2 = R2score(predictions.cpu(), actual.cpu())
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">&nbsp;</div>
 
<div style="box-sizing: border-box; color: #24292e; font-family: monospace, Menlo, Monaco, 'Courier New', monospace; font-size: 14px; white-space: pre;">return rmse, R2</div>

LSTM 평가 코드

감사합니다.
&nbsp;
추가적으로,&nbsp;
아래와 같이 코멘트 된 부분이 있는데, random initial parameter를 사용한 부분이 어떤 부분인가요?
결과값을 고정시키기 위해서 어떤 paramater를 써야되는지도 궁금합니다.
&nbsp;
# 데이터를 무작위로 나누고 모델의 초기값도 random initial parameter를 사용했기 때문에 학습을 할 때 마다 결과가 다르게 나올 수 있습니다.

rhdisp8288

Bài viết