Registrando métricas de avaliação

Acompanhar métricas de desempenho permite monitorar quedas e tomar decisões sobre quando atualizar seu modelo para manter um alto nível de acurácia. Você decide que vai registrar métricas depois que seu modelo terminar um loop de avaliação.

Alguns dados já foram 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 exercicio faz parte do curso

Treinamento Eficiente de Modelos de IA com PyTorch

Ver curso

Instruções do exercicio

Chame um método para registrar as métricas de avaliação do modelo.
Registre as pontuações de "accuracy" e "f1" como métricas de avaliação.
Acompanhe o número da época passando a variável de loop epoch para o parâmetro step.

exercicio interativo prático

Tente este exercicio 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
    accelerator.log({
        # Log accuracy and F1 score as metrics
        "accuracy": ____["accuracy"],
        "f1": ____["f1"],
    # Track the epoch number
    }, step=____)

accelerator.end_training()

Editar e Executar Código