Ewaluacja modelu na własnym zbiorze danych

W tym ćwiczeniu użyjesz klasy evaluator z pakietu evaluate biblioteki Hugging Face, aby ocenić wydajność wstępnie wytrenowanego modelu na własnym zbiorze danych. Pamiętaj, że w przypadku klasyfikacji wieloklasowej z niezrównoważonymi danymi dokładność (accuracy) nie jest miarodajnym wskaźnikiem jakości. Dlatego skorzystasz z możliwości ewaluatora, który pozwala obliczyć kilka miar jednocześnie – precyzję i czułość (recall).

Zbiór danych (dataset) i potok (pipe) zostały już zdefiniowane. Biblioteka evaluate oraz klasa evaluator są też zaimportowane.

Utwórz instancję klasy evaluator dla zadania "image-classification".
Wyodrębnij z potoku mapowanie etykiet z liczb całkowitych na ciągi znaków.
Przeprowadź ewaluację zbioru danych (dataset) i potoku (pipe), korzystając z metryk zapisanych w metrics_dict i label_map.

ćwiczenie

Ewaluacja modelu na własnym zbiorze danych

Instrukcje

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie