शुरू करेंमुफ़्त में शुरू करें

फोरकास्टिंग मॉडलों का मूल्यांकन

अब मूल्यांकन का समय है! पिछले अभ्यास में आपने जिस LSTM नेटवर्क को ट्रेन किया था, उसी को आपके लिए कुछ और epochs तक ट्रेन किया गया है और वह net के रूप में उपलब्ध है.

आपका काम है कि Mean Squared Error मेट्रिक का उपयोग करके टेस्ट डेटासेट पर इसका मूल्यांकन करें (torchmetrics पहले से आपके लिए इम्पोर्ट किया गया है). आइए देखें मॉडल कैसा प्रदर्शन कर रहा है!

यह अभ्यास पाठ्यक्रम का हिस्सा है

इंटरमीडिएट Deep Learning with PyTorch

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Mean Squared Error मेट्रिक परिभाषित करें और उसे mse को असाइन करें.
  • इनपुट sequence को net में पास करें, और असाइन करने से पहले परिणाम पर .squeeze() लगाकर उसे outputs में रखें.
  • टेस्ट मेट्रिक का अंतिम मान निकालें और उसे test_mse को असाइन करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define MSE metric
mse = ____

net.eval()
with torch.no_grad():
    for seqs, labels in dataloader_test:
        seqs = seqs.view(32, 96, 1)
        # Pass seqs to net and squeeze the result
        outputs = ____
        mse(outputs, labels)

# Compute final metric value
test_mse = ____
print(f"Test MSE: {test_mse}")
कोड संपादित करें और चलाएँ