НачатьНачать бесплатно

Оценка модели

После настройки цикла обучения модель была обучена в течение 1000 эпох и доступна вам под именем net. Также был подготовлен test_dataloader — точно так же, как ранее train_dataloader, — только данные считываются из тестовой директории, а не из обучающей.

Теперь можно оценить модель на тестовых данных. Для этого потребуется написать цикл оценки: перебрать батчи тестовых данных, получить предсказания модели для каждого из них и вычислить показатель точности. Приступим!

Это упражнение является частью курса

Глубокое обучение на PyTorch: средний уровень

Посмотреть курс

Инструкции к упражнению

  • Настройте метрику оценки Accuracy для бинарной классификации и присвойте её переменной acc.
  • Для каждого батча тестовых данных получите выходные данные модели и присвойте их переменной outputs.
  • После завершения цикла вычислите итоговую точность на тестовых данных и присвойте результат переменной test_accuracy.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

import torch
from torchmetrics import Accuracy

# Set up binary accuracy metric
acc = ____

net.eval()
with torch.no_grad():
    for features, labels in dataloader_test:
        # Get predicted probabilities for test data batch
        outputs = ____
        preds = (outputs >= 0.5).float()
        acc(preds, labels.view(-1, 1))

# Compute total test accuracy
test_accuracy = ____
print(f"Test accuracy: {test_accuracy}")
Редактировать и запускать код