Začněte nyníZačněte zdarma

Vyhodnocení modelu

Trénovací smyčka je hotová, model byl natrénován na 1000 epoch a je k dispozici jako net. Stejným způsobem jako train_dataloader jsi nastavil/a i test_dataloader — jen čte data z testovacího adresáře místo trénovacího.

Teď můžeš model vyhodnotit na testovacích datech. Budeš k tomu potřebovat napsat vyhodnocovací smyčku, která projde dávky testovacích dat, získá predikce modelu pro každou dávku a vypočítá skóre přesnosti. Pojďme na to!

Toto cvičení je součástí kurzu

Intermediate Deep Learning with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Nastav vyhodnocovací metriku jako Accuracy pro binární klasifikaci a přiřaď ji do acc.
  • Pro každou dávku testovacích dat získej výstupy modelu a přiřaď je do outputs.
  • Po skončení smyčky vypočítej celkovou testovací přesnost a přiřaď ji do test_accuracy.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

import torch
from torchmetrics import Accuracy

# Set up binary accuracy metric
acc = ____

net.eval()
with torch.no_grad():
    for features, labels in dataloader_test:
        # Get predicted probabilities for test data batch
        outputs = ____
        preds = (outputs >= 0.5).float()
        acc(preds, labels.view(-1, 1))

# Compute total test accuracy
test_accuracy = ____
print(f"Test accuracy: {test_accuracy}")
Upravit a spustit kód