Die Genauigkeit mit Hilfe von TorchMetrics messen
Indem wir die Genauigkeit während des Trainierens nachverfolgen, können wir die leistungsstärkste Epoche ermitteln.
In dieser Übung wirst du torchmetrics verwenden, um die Genauigkeit eines facemask-Datensatzes mit drei Klassen zu berechnen. Die Funktion plot_errors hebt falsch klassifizierte Stichproben hervor und hilft dir, Modellfehler zu analysieren.
Das Paket torchmetrics ist bereits importiert. Modell outputs sind Softmax-Wahrscheinlichkeiten und labels sind One-Hot-kodierte Vektoren.
Diese Übung ist Teil des Kurses
<Kurs>Einführung in Deep Learning mit PyTorch</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create accuracy metric
metric = torchmetrics.____(____, ____)
for features, labels in dataloader:
outputs = model(features)
# Calculate accuracy over the batch
metric.____(____, ____)