Avaliação do número de camadas

[Vinícius Liberato Erler]

Olá, poderia exemplificar como ficaria a classe classificador_torch na situação em que se deseja analisar o número de camadas ocultas ideal? No vídeo, o professor fala sobre definir o recebimento de um parâmetro a mais pela classe e fazer um for no init para fazer essa avaliação, mas fiquei meio perdido como seria essa construção.

[Denny Ceccon]

Olá Vinícius,

Você pode fazer algo assim:

class classificador_torch(nn.Module):
    def __init__(self, activation, neurons, n_hidden_layers, initializer):
        super().__init__()
        self.input_layer = nn.Linear(30, neurons)
        initializer(self.input_layer.weight)
        self.hidden_layers = [nn.Linear(neurons, neurons) for _ in range(n_hidden_layers)]
        for layer in self.hidden_layers:
            initializer(layer.weight)
        self.activation = activation
        self.output_layer = nn.Linear(neurons, 1)
    def forward(self, X):
        X = self.input_layer(X)
        X = self.activation(X)
        for layer in self.hidden_layers:
            X = layer(X)
            X = self.activation(X)
        X = self.output_layer(X)
        return X

• This reply was modified 3 years, 3 months ago by Denny Ceccon.
• This reply was modified 3 years, 3 months ago by Denny Ceccon.
• This reply was modified 3 years, 3 months ago by Denny Ceccon.

[Vinícius Liberato Erler]

Fiquei com uma dúvida em um trecho do código: no for _ in range(5), no lugar desse 5 não era pra estar o n_hidden_layers?

[Denny Ceccon]

Isso mesmo, meu engano, agora está corrigido.

[Author]

Posts