Ihr Modell evaluieren und speichern
Metriken prüfen und ins Hub übertragen
Ihr Modell evaluieren und speichern ist eine kostenlose NLP Academy-Lektion auf CoddyKit. Dies ist Lektion 4 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 NLP Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Training allein reicht nicht
Ein trainiertes Modell ist nur dann nützlich, wenn es verallgemeinern kann. Daher besteht Ihre nächste Aufgabe darin, es mit Daten zu evaluieren, die es während des Trainings nicht gesehen hat.
Eine Evaluierung durchführen
Der Trainer kann Ihren Validierungssatz mit einem einzigen Aufruf bewerten und die von Ihnen konfigurierten Metriken wie Genauigkeit und Loss zurückgeben.
print(trainer.evaluate())Die richtige Metrik auswählen
Bei unausgewogenen Daten kann die Genauigkeit irreführend sein. Bei ungleich verteilten Klassen sollten Sie F1 verwenden, damit sowohl Präzision als auch Trefferquote berücksichtigt werden.
Metriken sauber berechnen
Die evaluate-Bibliothek kapselt gängige Bewertungsmaßzahlen, sodass Sie F1 oder Genauigkeit berechnen können, ohne die Mathematik selbst zu implementieren.
import evaluate
f1 = evaluate.load("f1")Einen Testsatz zurückhalten
Bewahren Sie einen separaten Testsatz auf, den Sie nur einmal verwenden. Er liefert eine ehrliche abschließende Einschätzung ohne Verzerrung durch Optimierung.
Das Modell speichern
Speichern Sie die feinabgestimmten Gewichte auf der Festplatte, damit Sie sie jederzeit ohne erneutes Training laden können. Dadurch werden Modell und Tokenizer gespeichert.
trainer.save_model("my-model")
tok.save_pretrained("my-model")Überall erneut laden
Das Laden ist das Gegenstück zum Speichern: Verweisen Sie from_pretrained auf Ihren Ordner, und das vollständige Modell steht wieder zur Vorhersage bereit.
m = AutoModelForSequenceClassification.from_pretrained("my-model")In eine Pipeline einbinden
Setzen Sie Ihr gespeichertes Modell in eine Pipeline ein, um sofort und einfach Inferenzen mit neuem Text durchzuführen – ohne manuelles Tokenisieren.
clf = pipeline("text-classification", model="my-model")Im Hub teilen
Mit einem einzigen Push laden Sie Ihr Modell in den Hugging Face Hub hoch, sodass Teammitglieder es von überall per Namen laden können.
trainer.push_to_hub()Ihre Arbeit versionieren
Der Hub verfolgt Überarbeitungen ähnlich wie git, sodass jeder Checkpoint reproduzierbar bleibt und Sie jederzeit zurückkehren können.
Das Modell dokumentieren
Eine Modell-Card dokumentiert Ihre Daten, Metriken und Einschränkungen. So können andere leichter Vertrauen in Ihre Arbeit fassen und sie wiederverwenden. 📋
Kurze Überprüfung
Warum sollten Sie einen separaten Testsatz aufbewahren, den Sie nur einmal evaluieren?
Zusammenfassung
Evaluieren Sie das Modell mit der passenden Metrik auf unbekannten Daten, speichern Sie Modell und Tokenizer und laden oder übertragen Sie beides anschließend in den Hub, um es zu teilen. ✅
Häufig gestellte Fragen
Ist die Lektion „Ihr Modell evaluieren und speichern“ kostenlos?
Ja — der vollständige Text von „Ihr Modell evaluieren und speichern“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des NLP Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Ihr Modell evaluieren und speichern“?
Metriken prüfen und ins Hub übertragen Du übst NLP 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 NLP Academy zu starten?
Keine Vorkenntnisse erforderlich. NLP 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 4 von 4.
Wie lange dauert die Lektion „Ihr Modell evaluieren und speichern“?
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 NLP Academy-Lektion Code schreiben und ausführen?
Ja. Jede NLP 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
- Rundgang durch die Transformers-Bibliothek
- Für Transformer-Modelle tokenisieren
- Mit der Trainer API feinabstimmen
- Ihr Modell evaluieren und speichern