记录评估指标
跟踪性能指标可以帮助您监控性能退化，从而决定何时更新模型以保持较高的准确率。您决定在模型完成一次评估循环后记录指标。
部分数据已预加载：
accelerator是Accelerator的一个实例eval_metric是包含accuracy和f1等指标的字典num_epochs是训练轮数
本练习是课程的一部分
使用 PyTorch 高效训练 AI 模型
练习说明
- 调用方法记录模型的评估指标。
- 将
"accuracy"和"f1"分数作为评估指标进行记录。 - 通过将循环变量
epoch传入step参数来跟踪轮次编号。
交互式实操练习
通过完成这段示例代码来试试这个练习。
accelerator = Accelerator(project_dir=".", log_with="all")
accelerator.init_trackers("my_project")
for epoch in range(num_epochs):
# Training loop is here
# Evaluation loop is here
# Call a method to log metrics
accelerator.log({
# Log accuracy and F1 score as metrics
"accuracy": ____["accuracy"],
"f1": ____["f1"],
# Track the epoch number
}, step=____)
accelerator.end_training()