НачатьНачать бесплатно

Оценка моделей прогнозирования

Пора оценить модель! Та же сеть LSTM, которую вы обучали в предыдущем упражнении, была дополнительно обучена ещё на несколько эпох и доступна как net.

Ваша задача — оценить её на тестовом наборе данных с помощью метрики среднеквадратичной ошибки (библиотека torchmetrics уже импортирована). Посмотрим, насколько хорошо справляется модель!

Это упражнение является частью курса

Глубокое обучение на PyTorch: средний уровень

Посмотреть курс

Инструкции к упражнению

  • Определите метрику среднеквадратичной ошибки и присвойте её переменной mse.
  • Передайте входную последовательность в net и примените метод .squeeze() к результату перед тем, как присвоить его переменной outputs.
  • Вычислите итоговое значение тестовой метрики и присвойте его переменной test_mse.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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}")
Редактировать и запускать код