CommencerCommencer gratuitement

Évaluer la précision du modèle à l'aide de Torchmetrics

Il est essentiel d'évaluer les performances de votre modèle, en particulier lorsque vous le préparez pour son déploiement. Intégrons en toute simplicité le calcul de précision à l'aide de Torchmetrics directement dans validation_step(). N'oubliez pas d'enregistrer les résultats afin de pouvoir suivre facilement les progrès de votre modèle.

Cet exercice fait partie du cours

Modèles d'IA évolutifs avec PyTorch Lightning

Afficher le cours

Instructions

  • Importez Accuracy à partir de torchmetrics.
  • Veuillez instancier la métrique de précision à l'intérieur de l'__init__().
  • Veuillez calculer la précision dans l'validation_step() et l'enregistrer en tant qu''val_acc'.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import relevant metric
from torchmetrics import ____
import lightning.pytorch as pl

class ClassifierModel(pl.LightningModule):
    def __init__(self):
        super().__init__()
        # Instantiate accuracy metric
        self.accuracy = ____()
    def validation_step(self, batch, batch_idx):
        x, y = batch
        preds = self(x)
        # Calculate accuracy and log it as val_acc
        acc = self.____(preds, y)
        self.log(____, acc)
Modifier et exécuter le code