Registro de métricas de avaliação

O programa de métricas de desempenho permite monitorar degradações e você pode tomar decisões sobre quando atualizar o modelo para manter um alto nível de precisão. Você decide que registrará as métricas depois que o modelo terminar um loop de avaliação.

Alguns dados foram pré-carregados:

accelerator é uma instância de Accelerator
eval_metric é um dicionário de métricas como accuracy e f1
num_epochs é o número de épocas

Este exercício faz parte do curso

Treinamento eficiente de modelos de IA com PyTorch

Ver curso

Instruções do exercício

Chame um método para registrar as métricas de avaliação do modelo.
Registro "accuracy" e pontuação "f1" como métricas de avaliação.
Programe o número da época usando epoch do loop de treinamento.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

accelerator = Accelerator(project_dir=".", log_with="all")
accelerator.init_trackers("my_project")

for epoch in range(num_epochs):
    # Training loop is here
    # Evaluation loop is here
    # Call a method to log metrics
    ____.____({
        # Log accuracy and F1 score as metrics
        "accuracy": ____["accuracy"],
        "f1": ____["f1"],
    # Track the epoch number
    }, ____=____)

accelerator.end_training()

Editar e executar o código