Evaluationsmetriken protokollieren

Das Verfolgen von Leistungsmetriken hilft dir, Verschlechterungen zu erkennen, und du kannst entscheiden, wann du dein Modell aktualisierst, um eine hohe Genauigkeit zu halten. Du beschließt, nach Abschluss der Evaluation-Schleife deines Modells Metriken zu protokollieren.

Einige Daten wurden vorab geladen:

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

Diese Übung ist Teil des Kurses

<Kurs>Effizientes KI-Modelltraining mit PyTorch</Kurs>

Kurs ansehen

Übungsanweisungen

Rufe eine Methode auf, um die Evaluationsmetriken des Modells zu protokollieren.
Protokolliere "accuracy" und "f1" als Evaluationsmetriken.
Verfolge die Epochenzahl, indem du die Schleifenvariable epoch an den Parameter step übergibst.

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

accelerator.end_training()

Code bearbeiten und ausführen