Zacznij terazZacznij za darmo

Ocena dokładności modelu za pomocą Torchmetrics

Ocena skuteczności modelu to kluczowy krok – szczególnie gdy przygotowujesz go do wdrożenia! Zintegrujmy obliczanie dokładności za pomocą Torchmetrics bezpośrednio w metodzie validation_step(). Pamiętaj, aby rejestrować wyniki – dzięki temu łatwo będziesz mógł śledzić postępy modelu.

To ćwiczenie jest częścią kursu

Skalowalne modele AI z PyTorch Lightning

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj Accuracy z torchmetrics.
  • Utwórz instancję metryki dokładności wewnątrz __init__().
  • Oblicz dokładność w metodzie validation_step() i zapisz ją jako 'val_acc'.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)
Edytuj i uruchom kod