Seuratkaa tarkkuutta koulutuksen aikana
Muuntakaa ennusteet pistemääräksi
Seuratkaa tarkkuutta koulutuksen aikana on ilmainen Deep Learning Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Deep Learning Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Deep Learning Academy-kurssilla on yhteensä 4 oppituntia.
Pelkkä loss johtaa hieman harhaan
Laskeva loss tuntuu hyvältä, mutta se on abstrakti mittari. Jotta tietäisitte, onko mallista todella hyötyä, tarvitsette myös tarkkuuden eli oikein ennustettujen tapausten osuuden. 🎯
Logit-arvoista valinnaksi
Mallinne tuottaa jokaiselle luokalle raakaa pistemäärää. Ennusteen valitsemiseksi otatte suurimman pistemäärän indeksin argmax-operaatiolla luokka-akselilla.
preds = pred.argmax(dim=1)Verratkaa totuuteen
Verratkaa nyt jokaista ennustettua luokkaa oikeaan luokkaan. Tuloksena on totuusarvotensori, jossa True merkitsee jokaista oikein ennustettua esimerkkiä.
correct = preds == yLaskekaa onnistumiset
Totuusarvot summautuvat kuten ykköset ja nollat, joten osumien summa antaa tämän erän oikein ennustettujen tapausten määrän.
num_correct = correct.sum().item()Muuttaa määrä osuudeksi
Jakakaa oikein ennustettujen tapausten määrä erän koolla, niin saatte tarkkuuden: luvun nollan ja yhden väliltä, joka on helppo tulkita prosenttiosuutena.
acc = num_correct / y.size(0)Kerryttäkää tulokset eri eristä
Yhden erän tarkkuus vaihtelee paljon, joten pitäkää juoksevaa kokonaismäärää oikein ennustetuista ja nähdyistä esimerkeistä. Niiden suhde antaa vakaan epokin tarkkuuden.
total_correct += num_correct
total_seen += y.size(0)Raportoikaa jokainen epokki
Laskekaa epokin lopussa kokonaisosuus ja tulostakaa se loss-arvon rinnalle. Näin näette sekä mallin varmuuden että sen, kuinka oikeassa se on.
epoch_acc = total_correct / total_seenPitäkää mittarit laskentagraafin ulkopuolella
Kun vain mittaatte tuloksia, ympäröikää pisteytys no_grad-kutsulla. Se estää PyTorchia seuraamasta operaatioita, joiden gradientteja ette aio laskea, ja säästää muistia.
with torch.no_grad():
preds = model(x).argmax(dim=1)Pelkkä tarkkuus ei riitä
Epätasapainossa olevalla datalla tarkkuus voi johtaa harhaan: aina yleisimmän luokan ennustaminen tuottaa korkean tuloksen, vaikka malli ei opi mitään. Käyttäkää sen rinnalla loss-arvoa ja muita mittareita.
Seuratkaa kehityssuuntaa
Yhden epokin luku kertoo vähän; kehityssuunta ratkaisee. Nouseva tarkkuus ja laskeva loss ovat selvä merkki siitä, että koulutus etenee suunnitellusti.
Ikkuna oppimiseen
Tarkkuuden seuraaminen muuttaa koulutuksen mustasta laatikosta asiaksi, jota voitte seurata. Jokainen epokki antaa rehellistä palautetta todellisesta edistymisestä.
Pikatarkistus
Miten muutatte luokkien pistemäärät yhdeksi ennustetuksi luokaksi?
Kertaus
Opitte seuraamaan tarkkuutta: käyttäkää pisteille argmaxia, verratkaa niitä luokkiin, laskekaa oikein menneet ja jakakaa määrä. Seuratkaa kehityssuuntaa loss-arvon rinnalla. 🎉
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Seuratkaa tarkkuutta koulutuksen aikana” ilmainen?
Kyllä – oppitunnin ”Seuratkaa tarkkuutta koulutuksen aikana” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Deep Learning Academy-kurssin, päivitä CoddyKit PROhon. Deep Learning Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Seuratkaa tarkkuutta koulutuksen aikana”?
Muuntakaa ennusteet pistemääräksi Harjoittelet Deep Learning Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni Deep Learning Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin Deep Learning Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.
Kuinka kauan ”Seuratkaa tarkkuutta koulutuksen aikana”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä Deep Learning Academy-oppitunnilla?
Kyllä. Jokainen Deep Learning Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Forward-vienti, häviö, backward ja askel
- Kirjoittakaa minimaalinen koulutussilmukka
- Seuratkaa tarkkuutta koulutuksen aikana
- Train- ja eval-tilat