Untitled

# Задание 1
self.labels = torch.tensor(data['label'], dtype=torch.int64) # извлекаем таргет
self.data = torch.tensor(data.drop(columns=['label']).to_numpy(), dtype=torch.float32)

# Задание 2
class Network(nn.Module):
    def __init__(self, in_features, out_features):
        super().__init__()

        self.model = nn.Sequential(
            nn.Linear(in_features, 256),
            nn.ReLU(),
            nn.Linear(256, 128),
            nn.ReLU(),
            nn.Linear(128, out_features),
        )


    def forward(self, batch):
        return self.model(batch)
        
# Задание 3
n_epoch = 5
for n in range(n_epoch):
    for i, (X, target) in enumerate(tqdm(dataloader_train)):
        optimizer.zero_grad()

        logits = model(X)
        loss = loss_function(logits, target)
        loss.backward()

        optimizer.step()
        scheduler.step()
        
# Задание 4 -- качество увеличится, если шедулер и увеличить число эпох
def gamma(n_iter):
    return 1 / (1 + n_iter) ** 0.5

n_epoch = 10