Modelnauwkeurigheid evalueren met Torchmetrics
Het beoordelen van hoe goed je model presteert is essentieel—zeker als je het klaarstoomt voor productie! Laten we het berekenen van de nauwkeurigheid met Torchmetrics naadloos integreren in validation_step(). Vergeet niet de resultaten te loggen, zodat je de voortgang van je model eenvoudig kunt volgen.
Deze oefening maakt deel uit van de cursus
Schaalbare AI-modellen met PyTorch Lightning
Oefeninstructies
- Importeer
Accuracyuittorchmetrics. - Instantieer de nauwkeurigheidsmetriek in
__init__(). - Bereken de nauwkeurigheid in
validation_step()en log deze als'val_acc'.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import relevant metric
from torchmetrics import ____
import lightning.pytorch as pl
class ClassifierModel(pl.LightningModule):
def __init__(self):
super().__init__()
# Instantiate accuracy metric
self.accuracy = ____()
def validation_step(self, batch, batch_idx):
x, y = batch
preds = self(x)
# Calculate accuracy and log it as val_acc
acc = self.____(preds, y)
self.log(____, acc)