LoslegenKostenlos loslegen

Protokollierung von Bewertungsmetriken

Mit Hilfe von Lernpfaden kannst du Leistungsverschlechterungen überwachen und entscheiden, wann du dein Modell aktualisieren musst, um ein hohes Maß an Genauigkeit zu gewährleisten. Du entscheidest, dass du Metriken protokollierst, nachdem dein Modell eine Auswertungsschleife beendet hat.

Einige Daten wurden bereits geladen:

  • accelerator ist eine Instanz von Accelerator
  • eval_metric ist ein Wörterbuch mit Metriken wie accuracy und f1
  • num_epochs ist die Anzahl der Epochen

Diese Übung ist Teil des Kurses

Effizientes KI-Modelltraining mit PyTorch

Kurs anzeigen

Anleitung zur Übung

  • Rufe eine Methode auf, um die Bewertungsmetriken des Modells zu protokollieren.
  • Log "accuracy" und "f1" als Bewertungsmaßstab.
  • Verfolge die Epochenzahl mit epoch der Lernschleife.

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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
    ____.____({
        # Log accuracy and F1 score as metrics
        "accuracy": ____["accuracy"],
        "f1": ____["f1"],
    # Track the epoch number
    }, ____=____)

accelerator.end_training()
Code bearbeiten und ausführen