เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การฝึกและประเมินผล

ในแบบฝึกหัดนี้ เราจะนำทุกสิ่งที่ได้ฝึกมารวมเข้าด้วยกัน โดยการฝึกและประเมินโครงข่ายประสาทเทียมบนชุดข้อมูลจริงอย่าง Ethiopian MNIST ซึ่งเป็นชุดข้อมูลอักขระเขียนด้วยมือ

ImageClassifier คือโมเดลโครงข่ายประสาทเทียมที่กำหนดไว้ล่วงหน้า โดยใช้ PyTorch Lightning ประกอบด้วย convolutional layers สำหรับการดึงฟีเจอร์ activation functions สำหรับเพิ่มความไม่เป็นเส้นตรง และ fully connected layers สำหรับการจำแนกประเภท

ชุดข้อมูล Ethiopic MNIST ได้ถูกนำเข้าไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

AI Models แบบ Scalable ด้วย PyTorch Lightning

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า Trainer
  • กำหนดโมเดล ImageClassifier และ trainer
  • ฝึกโมเดล
  • ประเมินผลโมเดลบนชุดข้อมูล validation

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the Trainer
from lightning.pytorch import ____

# Define ImageClassifier model & trainer and set epoch parameter
model = ____()
trainer = ____(max_epochs=5)

# Train the model
trainer.fit(____, train_loader, val_loader)

# Evaluate the model
val_results = trainer.____(____, val_loader)
print("Validation Accuracy:", val_results[0]["val_acc"])
แก้ไขและรันโค้ด