评估预测模型
现在进入评估环节！上一练习中您训练的同一个 LSTM 网络，已经又训练了几个 epoch，并以 net 提供给您。
您的任务是使用均方误差（Mean Squared Error）指标在测试数据集上对其进行评估（torchmetrics 已为您导入）。让我们看看模型表现如何！
本练习是课程的一部分
PyTorch 深度学习进阶
练习说明
- 定义均方误差指标并将其赋给
mse。 - 将输入序列传入
net，并在赋给outputs之前对结果调用squeeze。 - 计算测试指标的最终数值，并将其赋给
test_mse。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define MSE metric
mse = ____
net.eval()
with torch.no_grad():
for seqs, labels in dataloader_test:
seqs = seqs.view(32, 96, 1)
# Pass seqs to net and squeeze the result
outputs = ____
mse(outputs, labels)
# Compute final metric value
test_mse = ____
print(f"Test MSE: {test_mse}")