НачатьНачать бесплатно

Запись метрик оценки

Отслеживание метрик качества позволяет вовремя замечать ухудшение результатов и принимать решения об обновлении модели для поддержания высокого уровня точности. Вы решили записывать метрики после завершения каждого цикла оценки модели.

Некоторые данные уже загружены:

  • accelerator — экземпляр класса Accelerator
  • eval_metric — словарь метрик, включая accuracy и f1
  • num_epochs — количество эпох

Это упражнение является частью курса

Эффективное обучение моделей ИИ с PyTorch

Посмотреть курс

Инструкции к упражнению

  • Вызовите метод для записи метрик оценки модели.
  • Зафиксируйте значения "accuracy" и "f1" как метрики оценки.
  • Передайте переменную цикла epoch в параметр step, чтобы отслеживать номер эпохи.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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()
Редактировать и запускать код