शुरू करेंमुफ़्त में शुरू करें

RNN classification मॉडलों का मूल्यांकन

PyBooks की टीम अब चाहती है कि आप Newsgroup डेटासेट पर बनाए और चलाए गए RNN मॉडल का मूल्यांकन करें. याद करें, लक्ष्य था कि आर्टिकल्स को इन तीन श्रेणियों में से एक में क्लासिफाई करना:

rec.autos, sci.med, और comp.graphics.

मॉडल ट्रेन किया गया था और आपने हर epoch के लिए loss प्रिंट किया था.

अपने मॉडल के लिए विभिन्न मेट्रिक्स का मूल्यांकन करने के लिए torchmetrics का उपयोग करें. निम्नलिखित आपके लिए लोड कर दिए गए हैं: Accuracy, Precision, Recall, F1Score.

पिछले अभ्यास में ट्रेन किया गया rnn_model का एक इंस्टेंस भी आपके लिए प्रीलोड है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • प्रत्येक मेट्रिक का एक इंस्टेंस multi-class classification के लिए बनाएँ, जहाँ num_classes श्रेणियों की संख्या के बराबर हो.
  • टेस्ट डेटा X_test_seq का उपयोग करके rnn_model के लिए प्रेडिक्शन जनरेट करें.
  • प्रीडिक्टेड क्लासेज़ और सही लेबल्स का उपयोग करके मेट्रिक्स की गणना करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create an instance of the metrics
accuracy = Accuracy(task="multiclass", ____)
precision = Precision(____, num_classes=____)
recall = Recall(task=____, num_classes=____)
f1 = F1Score(____, ____)

# Generate the predictions
outputs = ____(X_test_seq)
_, predicted = ____.____(outputs, 1)

# Calculate the metrics
accuracy_score = accuracy(____, y_test_seq)
precision_score = precision(____, y_test_seq)
recall_score = recall(____, y_test_seq)
f1_score = f1(____, y_test_seq)
print("RNN Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_score, precision_score, recall_score, f1_score))
कोड संपादित करें और चलाएँ