模型評估
訓練迴圈已經就緒，你已將模型訓練 1000 個 epoch，並以 net 提供給你。你也用與先前 train_dataloader 完全相同的方式建立了 test_dataloader——只是改為從測試目錄讀取資料，而不是訓練目錄。
現在你可以在測試資料上評估模型。為此，你需要撰寫評估迴圈，遍歷測試資料的每個批次，取得每個批次的模型預測，並計算其準確率分數。一起來完成吧！
本練習屬於課程
Intermediate Deep Learning with PyTorch
練習說明
- 將評估指標設為二元分類的
Accuracy，並指定給acc。 - 對於每個測試批次，取得模型的輸出並指定給
outputs。 - 迴圈結束後，計算整體測試準確率並指定給
test_accuracy。
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。
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}")