클래스별 지표 분석
집계된 지표는 모델 성능의 좋은 지표이지만, 클래스별 지표를 살펴보면 더 많은 정보를 얻을 수 있습니다. 이를 통해 모델이 성능이 낮은 클래스를 드러낼 수 있어요.
이번 연습에서는 평가 루프를 다시 실행해 우리 구름 분류기의 정밀도(precision)를 구하되, 클래스별로 계산해 보겠습니다. 그런 다음 이 점수를 클래스 이름에 매핑해 해석해 보세요. 평소처럼 Precision은 이미 임포트되어 있습니다. 화이팅입니다!
이 연습은 강의의 일부입니다
PyTorch로 배우는 Intermediate Deep Learning
연습 안내
- 클래스별 결과에 적합한 정밀도(precision) 지표를 정의하세요.
dataset_test의.class_to_idx속성에 대해.items()를 순회하며 딕셔너리 컴프리헨션을 완성해 클래스별 정밀도를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Define precision metric
metric_precision = Precision(
____, ____, ____
)
net.eval()
with torch.no_grad():
for images, labels in dataloader_test:
outputs = net(images)
_, preds = torch.max(outputs, 1)
metric_precision(preds, labels)
precision = metric_precision.compute()
# Get precision per class
precision_per_class = {
k: ____[____].____
for k, v
in ____
}
print(precision_per_class)