1. Apprendre
    2. /
  2. Cours
    3. /
  3. Apprentissage profond intermédiaire avec PyTorch
Connected

Exercice

Évaluation du modèle

Maintenant que la boucle d'entraînement est en place, vous avez entraîné le modèle pendant 1000 époques, et il est disponible sous le nom net. Vous avez aussi configuré un test_dataloader exactement comme vous l'aviez fait pour train_dataloader auparavant — sauf qu'il lit les données à partir du répertoire de test plutôt que du répertoire d'entraînement.

Vous pouvez maintenant évaluer le modèle sur les données de test. Pour ce faire, vous devez écrire la boucle d'évaluation pour parcourir les lots de données de test, obtenir les prédictions du modèle pour chaque lot et calculer le score d'exactitude correspondant. Allons-y!

Instructions

100 XP
  • Configurez la mesure d'évaluation Accuracy pour une classification binaire et assignez-la à acc.
  • Pour chaque lot de données de test, récupérez les sorties du modèle et assignez-les à outputs.
  • Après la boucle, calculez l'exactitude totale sur l'ensemble de test et assignez-la à test_accuracy.