Valutare i modelli di forecasting
È il momento della valutazione! La stessa rete LSTM che hai addestrato nell’esercizio precedente è stata addestrata per qualche epoca in più ed è disponibile come net.
Il tuo compito è valutarla su un insieme di test usando la metrica Mean Squared Error (torchmetrics è già stato importato per te). Vediamo quanto bene sta andando il modello!
Questo esercizio fa parte del corso
Deep Learning intermedio con PyTorch
Istruzioni dell'esercizio
- Definisci la metrica Mean Squared Error e assegnala a
mse. - Passa la sequenza di input a
nete applicasqueezeal risultato prima di assegnarlo aoutputs. - Calcola il valore finale della metrica di test assegnandolo a
test_mse.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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}")