予測モデルの評価
評価の時間です！前の演習で学習したのと同じ LSTM ネットワークを、さらに数エポック学習させたものが net として用意されています。
あなたのタスクは、平均二乗誤差（Mean Squared Error）指標を使ってテストデータセットで評価することです（torchmetrics はすでにインポート済みです）。モデルの性能を確認してみましょう！
この演習はコースの一部です
PyTorchによる中級ディープラーニング
演習の手順
- 平均二乗誤差（Mean Squared Error）指標を定義して、
mseに代入します。 - 入力シーケンスを
netに渡し、結果を.squeeze()してからoutputsに代入します。 - テスト指標の最終値を計算し、
test_mseに代入します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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}")