CommencerCommencez 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

<cours>Modèles d'IA évolutifs avec PyTorch Lightning</cours>
Voir le cours

Instructions de l’exercice

  • 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 ce code d’exemple.

# 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