ПочатиПочніть безкоштовно

Оцінювання моделі

Тренувальний цикл налагоджено: ви навчили модель протягом 1000 епох, і вона доступна як net. Ви також підготували test_dataloader так само, як і train_dataloader раніше — тільки читаєте дані з тестового каталогу замість тренувального.

Тепер ви можете оцінити модель на тестових даних. Для цього потрібно написати цикл оцінювання: пройтися по батчах тестових даних, отримати передбачення моделі для кожного батча та обчислити для нього точність. Зробімо це!

Ця вправа є частиною курсу

Середній рівень Deep Learning з PyTorch

Переглянути курс

Інструкції до вправи

  • Налаштуйте метрику оцінювання як Accuracy для бінарної класифікації та присвойте її змінній acc.
  • Для кожного батча тестових даних отримайте виходи моделі та присвойте їх змінній outputs.
  • Після циклу обчисліть загальну тестову точність і присвойте її змінній test_accuracy.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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}")
Редагувати та запускати код