Kom igångKom igång gratis

Utvärdera prognosmodeller

Dags att utvärdera! Det LSTM-nätverk som du tränade i föregående övning har tränats ytterligare några epoker och finns tillgängligt som net.

Din uppgift är att utvärdera det på ett testdataset med hjälp av måttet Mean Squared Error (torchmetrics har redan importerats). Låt oss se hur väl modellen presterar!

Den här övningen är en del av kursen

Fördjupad djupinlärning med PyTorch

Visa kurs

Övningsinstruktioner

  • Definiera måttet Mean Squared Error och tilldela det till mse.
  • Skicka indatasekvensen till net och anropa squeeze på resultatet innan du tilldelar det till outputs.
  • Beräkna det slutliga värdet för testmåttet och tilldela det till test_mse.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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}")
Redigera och kör kod