Genauigkeit während des Trainings verfolgen
Machen Sie aus Vorhersagen eine Bewertung.
Genauigkeit während des Trainings verfolgen ist eine kostenlose Deep Learning Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Deep Learning Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Der Loss allein sagt nicht alles
Ein sinkender Loss fühlt sich gut an, ist aber abstrakt. Um zu wissen, ob Ihr Modell wirklich nützlich ist, benötigen Sie zusätzlich die Accuracy, also den Anteil der richtigen Vorhersagen. 🎯
Von Logits zu einer Auswahl
Ihr Modell gibt für jede Klasse unverarbeitete Werte aus. Um eine Vorhersage auszuwählen, nehmen Sie mit argmax entlang der Klassendimension den Index des größten Werts.
preds = pred.argmax(dim=1)Mit der Wahrheit vergleichen
Vergleichen Sie nun jede vorhergesagte Klasse mit dem tatsächlichen Label. Das Ergebnis ist ein boolescher Tensor, in dem True jedes korrekt klassifizierte Beispiel markiert.
correct = preds == yZählen Sie die Treffer
Boolesche Werte werden wie Einsen und Nullen addiert. Die Summe der Übereinstimmungen ergibt daher die Anzahl der korrekten Vorhersagen in diesem Batch.
num_correct = correct.sum().item()Aus der Anzahl eine Rate machen
Teilen Sie die korrekten Vorhersagen durch die Batch-Größe, erhalten Sie die Accuracy – eine Zahl zwischen null und eins, die sich leicht als Prozentwert lesen lässt.
acc = num_correct / y.size(0)Über Batches hinweg sammeln
Die Accuracy einzelner Batches schwankt, daher führen Sie laufende Summen der korrekten und der insgesamt betrachteten Beispiele. Ihr Verhältnis ergibt die stabile Accuracy der Epoche.
total_correct += num_correct
total_seen += y.size(0)Jede Epoche ausgeben
Berechnen Sie am Ende einer Epoche die Gesamtrate und geben Sie sie neben dem Loss aus. Nun sehen Sie sowohl, wie sicher als auch wie korrekt das Modell ist.
epoch_acc = total_correct / total_seenMetriken aus dem Graphen heraushalten
Wenn Sie nur messen, verpacken Sie die Auswertung in no_grad. Dadurch verfolgt PyTorch keine Operationen, für die Sie keinen Backward-Pass planen, und spart Speicher.
with torch.no_grad():
preds = model(x).argmax(dim=1)Accuracy allein reicht nicht aus
Bei unausgeglichenen Daten kann die Accuracy täuschen: Wenn stets die häufigste Klasse vorhergesagt wird, ist der Wert zwar hoch, aber das Modell lernt nichts. Kombinieren Sie sie mit dem Loss und anderen Metriken.
Beobachten Sie den Trend
Der Wert einer einzelnen Epoche sagt wenig aus; entscheidend ist der Trend. Steigende Accuracy bei sinkendem Loss ist ein klares Zeichen dafür, dass Ihr Training planmäßig verläuft.
Ein Einblick in den Lernprozess
Durch das Verfolgen der Accuracy wird das Training von einer Blackbox zu etwas, das Sie beobachten können. In jeder Epoche erhalten Sie ehrliches Feedback zum tatsächlichen Fortschritt.
Kurzer Check
Wie verwandeln Sie Klassenwerte in ein einzelnes vorhergesagtes Label?
Zusammenfassung
Sie haben gelernt, die Accuracy zu verfolgen: Wenden Sie argmax auf die Werte an, vergleichen Sie sie mit den Labels, zählen Sie die korrekten Vorhersagen und teilen Sie. Beobachten Sie den Trend zusammen mit dem Loss. 🎉
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Genauigkeit während des Trainings verfolgen“ kostenlos?
Ja — der vollständige Text von „Genauigkeit während des Trainings verfolgen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Deep Learning Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Genauigkeit während des Trainings verfolgen“?
Machen Sie aus Vorhersagen eine Bewertung. Du übst Deep Learning Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Deep Learning Academy zu starten?
Keine Vorkenntnisse erforderlich. Deep Learning Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Genauigkeit während des Trainings verfolgen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Deep Learning Academy-Lektion Code schreiben und ausführen?
Ja. Jede Deep Learning Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Forward-Pass, Loss, Backward, Step
- Eine minimale Trainingsschleife schreiben
- Genauigkeit während des Trainings verfolgen
- Trainings- und Evaluationsmodus