Question

我目前正在使用通过PyTorch进行混合的混合模型，我的意思是自动编码器和CNN，这是我的模型：

convnet（（fc_encoder）：顺序（（0）：线性（in_features = 9950， out_features = 200，bias = True））（解码器）：顺序（（0）：线性（in_features = 200，out_features = 9950，bias = True））（con1）： Conv1d（1,2，kernel_size =（5，），步幅=（1，））（max1）： MaxPool1d（kernel_size = 4，step = 4，padding = 0，dilation = 1， ceil_mode = False）（con2）：Conv1d（2，4，kernel_size =（5，），步幅=（1，））（max2）：MaxPool1d（kernel_size = 4，stride = 4，padding = 0，dilation = 1， ceil_mode = False）（l1）：线性（in_features = 2480，out_features = 1024，偏差=正确）（下降）：下降（p = 0.5，原位=假）（l2）：线性（in_features = 1024，out_features = 512，bias = True）（l3）：线性（in_features = 512，out_features = 128，bias = True）（l4）：线性（in_features = 128，out_features = 32，bias = True）（l5）：线性（in_features = 32，out_features = 1，bias = True））

我对以下问题有疑问：

我正在使用一个损失函数来评估我的模型BCELoss。我想知道是否实现了混合模型，是否需要使用2个损失函数？如果仅根据一个损失函数评估模型，会发生什么？
第二个问题是，如果我要更改学习率，那么ROC曲线有很大差异，为什么会这样？我可以提供的输入形状的任何说明。

这是我定义模型的课程：

class convnet(nn.Module):
def init(self,num_inputs=9950):
super(convnet,self).init()
self.num_inputs=num_inputs
self.fc_encoder= nn.Sequential(
nn.Linear(num_inputs,200)
)
self.decoder = nn.Sequential(
nn.Linear(200,num_inputs)
)
self.con1=nn.Conv1d(1, 2, 5)
self.max1=nn.MaxPool1d(4)
self.con2=nn.Conv1d(2, 4, 5)
self.max2=nn.MaxPool1d(4)
self.l1=nn.Linear(2480,1024)
self.drop=nn.Dropout(p= 0.5)
self.l2=nn.Linear(1024,512)
self.l3=nn.Linear(512,128)
self.l4=nn.Linear(128,32)
self.l5=nn.Linear(32,1)
def forward(self, x):
x = self.fc_encoder(x)
x = self.decoder(x)
x=x.unsqueeze(1)
x=self.con1(x)
x=self.max1(x)
x=self.con2(x)
x=self.max2(x)
x = x.view(x.size(0), -1)
x=self.l1(x)
x=self.drop(x)
x=self.l2(x)
x=self.l3(x)
x=self.l4(x)
x=self.l5(x)
return torch.sigmoid(x)
m = convnet()
m.to(device)

预先感谢

混合模型的建议

0 个答案: