ПочатиПочніть безкоштовно

Журналювання метрик оцінювання

Відстеження метрик продуктивності дає змогу помічати деградації, тож ви можете вирішувати, коли оновити модель, щоб підтримувати високий рівень точності. Ви вирішили журналювати метрики після завершення оціночного циклу моделі.

Частину даних уже завантажено:

  • accelerator — екземпляр Accelerator
  • eval_metric — словник метрик, таких як accuracy і f1
  • num_epochs — кількість епох

Ця вправа є частиною курсу

Ефективне тренування моделей ШІ з PyTorch

Переглянути курс

Інструкції до вправи

  • Викличте метод, щоб записати в журнал метрики оцінювання моделі.
  • Запишіть значення "accuracy" і "f1" як метрики оцінювання.
  • Відстежуйте номер епохи, передаючи змінну циклу epoch у параметр step.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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()
Редагувати та запускати код