เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประเมินโมเดลพยากรณ์

ถึงเวลาประเมินโมเดลแล้ว! โครงข่าย LSTM เดิมที่ฝึกในแบบฝึกหัดก่อนหน้าได้รับการฝึกต่อเพิ่มอีกหลาย epoch และพร้อมใช้งานในชื่อตัวแปร net

ภารกิจของคุณคือประเมินโมเดลบนชุดข้อมูลทดสอบโดยใช้เมตริก Mean Squared Error (นำเข้า torchmetrics ให้แล้ว) มาดูกันว่าโมเดลทำได้ดีแค่ไหน!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning ระดับกลางด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดเมตริก Mean Squared Error แล้วกำหนดให้กับตัวแปร mse
  • ส่ง input sequence ให้กับ net จากนั้น squeeze ผลลัพธ์ก่อนกำหนดให้กับตัวแปร outputs
  • คำนวณค่าสุดท้ายของเมตริกบนชุดทดสอบ แล้วกำหนดให้กับตัวแปร test_mse

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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}")
แก้ไขและรันโค้ด