Implementacja kroku walidacji
Po wytrenowaniu modelu sieci neuronowej warto monitorować jego wydajność podczas treningu. Używając PyTorch Lightning, zaimplementuj metodę validation_step(), która oblicza i rejestruje stratę walidacyjną po każdej epoce.
To ćwiczenie jest częścią kursu
Skalowalne modele AI z PyTorch Lightning
Instrukcje do ćwiczenia
- Oblicz predykcje, uruchamiając model na wejściowej paczce danych.
- Oblicz stratę walidacyjną za pomocą
F.cross_entropy(). - Zarejestruj stratę walidacyjną przy użyciu
self.log()pod nazwąval_loss.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
import torch.nn.functional as F
def validation_step(self, batch, batch_idx):
x, y = batch
# Compute predictions using the model
preds = ____(x)
# Calculate validation loss
loss = F.____(preds, y)
# Log the validation loss
self.____('val_loss', loss)