Zaznamenávání metrik vyhodnocení

Sledování výkonnostních metrik ti umožňuje včas odhalit zhoršení modelu a rozhodnout se, kdy ho aktualizovat, aby si zachoval vysokou přesnost. Rozhodneš se zaznamenávat metriky vždy po dokončení vyhodnocovací smyčky.

Některá data jsou předem načtena:

accelerator je instance třídy Accelerator
eval_metric je slovník metrik, například accuracy a f1
num_epochs je počet epoch

Toto cvičení je součástí kurzu

Efficient AI Model Training with PyTorch

Zobrazit kurz

Pokyny k cvičení

Zavolej metodu pro zaznamenání metrik vyhodnocení modelu.
Zaznamenej hodnoty "accuracy" a "f1" jako metriky vyhodnocení.
Sleduj číslo epochy tak, že proměnnou epoch z cyklu předáš parametru step.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

accelerator = Accelerator(project_dir=".", log_with="all")
accelerator.init_trackers("my_project")

for epoch in range(num_epochs):
    # Training loop is here
    # Evaluation loop is here
    # Call a method to log metrics
    accelerator.log({
        # Log accuracy and F1 score as metrics
        "accuracy": ____["accuracy"],
        "f1": ____["f1"],
    # Track the epoch number
    }, step=____)

accelerator.end_training()

Upravit a spustit kód