शुरू करेंमुफ़्त में शुरू करें

Evaluation मेट्रिक्स परिभाषित करें

आप एक वीडियो कॉन्फ्रेंसिंग एप्लिकेशन में रियल-टाइम भाषा अनुवाद सेवा बना रहे हैं. ट्रेनिंग की मॉनिटरिंग के लिए, आप accuracy और F1 score जैसी evaluation मेट्रिक्स परिभाषित करेंगे, जो समग्र मॉडल परफॉर्मेंस को मापती हैं.

evaluate और numpy (np) लाइब्रेरी पहले से इम्पोर्ट की गई हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ कुशल AI मॉडल प्रशिक्षण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • evaluate लाइब्रेरी का उपयोग करके f1 score लोड करें; accuracy आपके लिए पहले से लोड है.
  • eval_predictions को दो वैरिएबल में अनपैक करके logits और labels निकालें.
  • logits को predictions में कन्वर्ट करें.
  • predictions और labels के आधार पर f1 score compute करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

def compute_metrics(eval_predictions):
    load_accuracy = evaluate.load("accuracy")
  	# Load the F1 score
    load_f1 = evaluate.load("____")
    # Extract logits and labels from eval_predictions
    logits, ____ = eval_predictions
    # Convert logits to predictions
    predictions = np.____(logits, axis=-1)
    accuracy = load_accuracy.compute(predictions=predictions, references=labels)["accuracy"]
    # Compute the F1 score
    f1 = ____.____(predictions=predictions, references=labels)["f1"]
    return {"accuracy": accuracy, "f1": f1}
कोड संपादित करें और चलाएँ