Phân tích metric theo từng lớp
Mặc dù các metric đã gộp rất hữu ích để chỉ báo hiệu năng mô hình, việc xem metric theo từng lớp thường cung cấp thêm thông tin. Điều này có thể cho thấy những lớp mà mô hình hoạt động kém.
Trong bài tập này, bạn sẽ chạy lại vòng lặp đánh giá để lấy precision của bộ phân loại mây, nhưng lần này là theo từng lớp. Sau đó, bạn sẽ ánh xạ các điểm số này sang tên lớp để diễn giải. Như thường lệ, Precision đã được nhập sẵn cho bạn. Chúc bạn may mắn!
Bài tập này là một phần của khóa học
Deep Learning nâng cao với PyTorch
Hướng dẫn bài tập
- Định nghĩa metric precision phù hợp cho kết quả theo từng lớp.
- Tính precision cho mỗi lớp bằng cách hoàn thiện dict comprehension, lặp qua
.items()của thuộc tính.class_to_idxtrongdataset_test.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Define precision metric
metric_precision = Precision(
____, ____, ____
)
net.eval()
with torch.no_grad():
for images, labels in dataloader_test:
outputs = net(images)
_, preds = torch.max(outputs, 1)
metric_precision(preds, labels)
precision = metric_precision.compute()
# Get precision per class
precision_per_class = {
k: ____[____].____
for k, v
in ____
}
print(precision_per_class)