NN設計２（データセット）

まず、次のimport文を先頭部分に追記する。

code:(先頭)nn.py

import torch as pt

import torch.nn.functional as F

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

データセットの取得

次のコードを追記する。

code:(追加)nn.py

dataset = load_iris() # (1) データの取得

X_train, X_test, y_train, y_test = train_test_split(

X, y, test_size=0.25, random_state=42

)

y_train_onehot = F.one_hot(y_train, num_classes=3).float()

データセットの取得

配列型でデータセットに格納されている学習データと教師データを取り出しテンソルに変換

訓練用と検証用に分割

訓練用の教師データからワンホット表現を生成

PyTorchが提供する関数に対応させるため、floatメソッドによりワンホット行列を浮動小数点数にキャストしている。

code:(確認用)nn.py

print('X_train:', X_train.shape)

print('X_test:', X_test.shape)

print('y_train:', y_train.shape)

print('y_test:', y_test.shape)

print('y_train_onehot:', y_train_onehot.shape)

code:結果.py

データローダの生成

訓練には、「訓練用の学習データ」と「訓練用の教師データのワンホット表現」を利用する。

code:(追加)nn.py

# 訓練用のデータセットを生成

dataset_train = pt.utils.data.TensorDataset(X_train, y_train_onehot)

# データローダの生成

dataloader_train = pt.utils.data.DataLoader(

dataset = dataset_train,

batch_size = 10,

shuffle = True,

num_workers = 0

)

code:(確認用)nn.py

for X, y in dataloader_train:

print('学習データ：\n', X)

print('教師データ：\n', y)

/icons/hr.icon

※ ブラウザのバックボタンで戻る