Kom igångKom igång gratis

Modellutvärdering

Med träningsloopen på plats har du tränat modellen i 1 000 epoker, och den är tillgänglig för dig som net. Du har också konfigurerat en test_dataloader på exakt samma sätt som du gjorde med train_dataloader tidigare — med skillnaden att data läses från testkatalogen i stället för träningskatalogen.

Nu kan du utvärdera modellen på testdata. För att göra det behöver du skriva en utvärderingsloop som itererar över batcharna med testdata, hämtar modellens prediktioner för varje batch och beräknar accuracy-värdet. Kör igång!

Den här övningen är en del av kursen

Fördjupad djupinlärning med PyTorch

Visa kurs

Övningsinstruktioner

  • Konfigurera utvärderingsmåttet som Accuracy för binär klassificering och tilldela det till acc.
  • Hämta modellens utdata för varje batch med testdata och tilldela dem till outputs.
  • Beräkna den totala testaccuracyn efter loopen och tilldela resultatet till test_accuracy.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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}")
Redigera och kör kod