逐類別分析評估指標
彙總後的指標能概略反映模型效能，但逐類別檢視指標通常更具資訊量。這可以揭露模型表現較差的類別。
在本練習中，你會再次執行評估迴圈以取得雲層分類器的 precision，但這次要逐類別計算。接著，將這些分數對應到類別名稱以便解讀。和往常一樣，Precision 已為你匯入。加油！
本練習屬於課程
Intermediate Deep Learning with PyTorch
練習說明
- 定義一個適合產生逐類別結果的 precision 指標。
- 透過完成字典生成式來計算每個類別的 precision，對
dataset_test的.class_to_idx屬性呼叫.items()並據此迭代。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)