Bắt đầu ngayBắt đầu miễn phí

Đánh giá mô hình

Sau khi hoàn thiện vòng lặp huấn luyện, bạn đã huấn luyện mô hình trong 1000 epoch và nó hiện có sẵn dưới tên net. Bạn cũng đã thiết lập một test_dataloader theo đúng cách như với train_dataloader trước đó — chỉ khác là đọc dữ liệu từ thư mục test thay vì train.

Giờ bạn có thể đánh giá mô hình trên dữ liệu kiểm thử. Để làm điều này, bạn cần viết vòng lặp đánh giá để lặp qua các batch dữ liệu test, lấy dự đoán của mô hình cho mỗi batch và tính điểm accuracy cho chúng. Hãy bắt đầu nhé!

Bài tập này là một phần của khóa học

Deep Learning nâng cao với PyTorch

Xem khóa học

Hướng dẫn bài tập

  • Thiết lập metric đánh giá là Accuracy cho bài toán phân loại nhị phân và gán cho acc.
  • Với mỗi batch dữ liệu test, lấy đầu ra của mô hình và gán vào outputs.
  • Sau vòng lặp, tính tổng accuracy trên tập test và gán cho test_accuracy.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

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}")
Chỉnh sửa và Chạy Mã