Enregistrement des mesures d'évaluation
Le cursus des mesures de performance vous permet de surveiller les dégradations, et vous pouvez prendre des décisions sur le moment de mettre à jour votre modèle pour maintenir un niveau élevé de précision. Vous décidez de consigner les mesures après que votre modèle a terminé une boucle d'évaluation.
Certaines données ont été préchargées :
acceleratorest une instance deAcceleratoreval_metricest un dictionnaire de mesures telles queaccuracyetf1num_epochsest le nombre d'époques
Cet exercice fait partie du cours
Entraînement efficace de modèles d'IA avec PyTorch
Instructions
- Appelez une méthode pour enregistrer les mesures d'évaluation du modèle.
- Le journal
"accuracy"et le score"f1"sont des mesures d'évaluation. - Cursus du numéro d'époque à l'aide de
epochde la boucle d'apprentissage.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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()