Nauwkeurigheid berekenen met torchmetrics
De nauwkeurigheid bijhouden tijdens het trainen helpt je om de best presterende epoch te vinden.
In deze oefening gebruik je torchmetrics om de nauwkeurigheid te berekenen op een facemask-gegevensset met drie klassen. De functie plot_errors markeert verkeerd geclassificeerde voorbeelden, zodat je de fouten van het model kunt analyseren.
Het pakket torchmetrics is al geïmporteerd. De model-outputs zijn softmax-kansen en labels zijn one-hot-gecodeerde vectoren.
Deze oefening maakt deel uit van de cursus
Introductie tot Deep Learning met PyTorch
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Create accuracy metric
metric = torchmetrics.____(____, ____)
for features, labels in dataloader:
outputs = model(features)
# Calculate accuracy over the batch
metric.____(____, ____)