BaşlayınÜcretsiz başlayın

Model değerlendirme

Eğitim döngüsünü hallettikten sonra modeli 1000 epoch boyunca eğittin ve model net olarak elinde. Ayrıca, tıpkı daha önce train_dataloader için yaptığın gibi, bu kez veriyi eğitim dizini yerine test dizininden okuyarak bir test_dataloader kurdun.

Artık modeli test verisi üzerinde değerlendirebilirsin. Bunu yapmak için, test verisinin batch’leri üzerinde yineleme yapan bir değerlendirme döngüsü yazman, her batch için modelin tahminlerini alman ve doğruluk skorunu hesaplaman gerekiyor. Haydi başlayalım!

Bu egzersiz, kursun bir parçasıdır

PyTorch ile Orta Düzey Deep Learning

Kursa Göz Atın

Egzersiz talimatları

  • Değerlendirme metriğini ikili sınıflandırma için Accuracy olarak ayarla ve acc değişkenine ata.
  • Her test verisi batch’i için modelin çıktısını al ve outputs değişkenine ata.
  • Döngüden sonra toplam test doğruluğunu hesapla ve test_accuracy değişkenine ata.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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}")
Kodu Düzenle ve Çalıştır