Začněte nyníZačněte zdarma

Vyhodnocení predikcí modelu

Čas na vyhodnocení! Stejná LSTM síť, kterou jsi trénoval/a v předchozím cvičení, byla pro tebe dotrénována na několik dalších epoch a je dostupná jako net.

Tvým úkolem je otestovat ji na testovací datové sadě pomocí metriky Mean Squared Error (knihovna torchmetrics je již naimportovaná). Pojďme se podívat, jak si model vede!

Toto cvičení je součástí kurzu

Intermediate Deep Learning with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Definuj metriku Mean Squared Error a přiřaď ji do proměnné mse.
  • Předej vstupní sekvenci do net a výsledek před přiřazením do outputs uprav pomocí .squeeze().
  • Vypočítej výslednou hodnotu testovací metriky a přiřaď ji do test_mse.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define MSE metric
mse = ____

net.eval()
with torch.no_grad():
    for seqs, labels in dataloader_test:
        seqs = seqs.view(32, 96, 1)
        # Pass seqs to net and squeeze the result
        outputs = ____
        mse(outputs, labels)

# Compute final metric value
test_mse = ____
print(f"Test MSE: {test_mse}")
Upravit a spustit kód