ÎncepețiÎncepe gratuit

Evaluarea modelelor de prognoză

A venit momentul evaluării! Aceeași rețea LSTM pe care ai antrenat-o în exercițiul anterior a fost antrenată pentru tine câteva epoci în plus și este disponibilă sub numele net.

Sarcina ta este să o evaluezi pe un set de date de testare folosind metrica Mean Squared Error (torchmetrics a fost deja importat). Să vedem cât de bine performează modelul!

Acest exercițiu face parte din cursul

Deep Learning intermediar cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

  • Definește metrica Mean Squared Error și atribuie-o variabilei mse.
  • Transmite secvența de intrare către net și aplică squeeze pe rezultat înainte de a-l atribui variabilei outputs.
  • Calculează valoarea finală a metricii pe setul de testare și atribuie-o variabilei test_mse.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Define MSE metric
mse = ____

net.eval()
with torch.no_grad():
    for seqs, labels in dataloader_test:
        seqs = seqs.view(32, 96, 1)
        # Pass seqs to net and squeeze the result
        outputs = ____
        mse(outputs, labels)

# Compute final metric value
test_mse = ____
print(f"Test MSE: {test_mse}")
Editează și rulează codul