เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การบันทึก evaluation metrics

การติดตาม performance metrics ช่วยให้สังเกตเห็นความเสื่อมถอยของโมเดลได้ และสามารถตัดสินใจได้ว่าเมื่อใดควรอัปเดตโมเดลเพื่อรักษาระดับความแม่นยำให้สูงอยู่เสมอ ในแบบฝึกหัดนี้จะบันทึก metrics หลังจากที่โมเดลผ่าน evaluation loop แล้ว

ข้อมูลต่อไปนี้ถูกโหลดไว้แล้ว:

  • accelerator คืออินสแตนซ์ของ Accelerator
  • eval_metric คือดิกชันนารีของ metrics เช่น accuracy และ f1
  • num_epochs คือจำนวน epoch

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การเทรน AI Model อย่างมีประสิทธิภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เรียกใช้เมธอดเพื่อบันทึก evaluation metrics ของโมเดล
  • บันทึกค่า "accuracy" และ "f1" เป็น evaluation metrics
  • ติดตามหมายเลข epoch โดยส่งตัวแปรลูป epoch ไปยังพารามิเตอร์ step

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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()
แก้ไขและรันโค้ด