میانگین متحرک یک سری زمانی را با NumPy حساب کن

صورت مسئله

معماری را با اندازه داده هماهنگ کن و زیان را در چند گام ثبت کن، نه فقط در پایان.

نمونه راه‌حل

import torch

X = torch.randn(200, 8)
y = (X.sum(dim=1) > 0).float().unsqueeze(1)

model = torch.nn.Sequential(
    torch.nn.Linear(8, 16),
    torch.nn.ReLU(),
    torch.nn.Linear(16, 1),
)
loss_fn = torch.nn.BCEWithLogitsLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.01)

for step in range(200):
    optimizer.zero_grad()
    loss = loss_fn(model(X), y)
    loss.backward()
    optimizer.step()

print(round(float(loss), 4))