Ocena modeli prognozowania
Czas na ewaluację! Sieć LSTM, którą trenowałeś/trenowałaś w poprzednim ćwiczeniu, została wytrenowana przez kilka dodatkowych epok i jest dostępna jako net.
Twoim zadaniem jest ocena jej działania na zbiorze testowym przy użyciu metryki błędu średniokwadratowego (torchmetrics zostało już za ciebie zaimportowane). Sprawdźmy, jak dobrze radzi sobie model!
To ćwiczenie jest częścią kursu
Głębokie uczenie z PyTorch – poziom średnio zaawansowany
Instrukcje do ćwiczenia
- Zdefiniuj metrykę błędu średniokwadratowego i przypisz ją do zmiennej
mse. - Przekaż sekwencję wejściową do
net, a wynik przed przypisaniem dooutputswywołaj na nim metodę.squeeze(). - Oblicz końcową wartość metryki testowej i przypisz ją do
test_mse.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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}")