Calculer la justesse avec torchmetrics
Suivre la justesse pendant l'entraînement aide à repérer l'époque la plus performante.
Dans cet exercice, vous allez utiliser torchmetrics pour calculer la justesse sur un jeu de données de masques avec trois classes. La fonction plot_errors mettra en évidence les échantillons mal classés afin de vous aider à analyser les erreurs du modèle.
Le paquet torchmetrics est déjà importé. Les outputs du modèle sont des probabilités softmax et les labels sont des vecteurs one‑hot.
Cette activité fait partie du cours
Introduction au Deep Learning avec PyTorch
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create accuracy metric
metric = torchmetrics.____(____, ____)
for features, labels in dataloader:
outputs = model(features)
# Calculate accuracy over the batch
metric.____(____, ____)