Mengevaluasi model peramalan
Saatnya evaluasi! Jaringan LSTM yang sama dengan yang Anda latih pada latihan sebelumnya telah dilatih untuk Anda selama beberapa epoch lagi dan tersedia sebagai net.
Tugas Anda adalah mengevaluasinya pada himpunan data pengujian menggunakan metrik Mean Squared Error (torchmetrics sudah diimpor untuk Anda). Mari kita lihat seberapa baik kinerja modelnya!
Latihan ini merupakan bagian dari kursus
Deep Learning Lanjutan dengan PyTorch
Instruksi latihan
- Definisikan metrik Mean Squared Error dan tetapkan ke
mse. - Umpankan urutan masukan ke
net, lalu terapkan squeeze pada hasilnya sebelum Anda menetapkannya keoutputs. - Hitung nilai akhir metrik pengujian dan tetapkan ke
test_mse.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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}")