Suivre la précision pendant l’entraînement
Transformez les prédictions en score.
Suivre la précision pendant l’entraînement est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Loss Alone Lies a Little
A falling loss feels good, but it is abstract. To know if your model is truly useful you also want accuracy, the share of predictions it gets right. 🎯
From Logits to a Choice
Your model outputs raw scores per class. To pick a prediction you take the index of the largest score with argmax along the class dimension.
preds = pred.argmax(dim=1)Compare to the Truth
Now compare each predicted class to the real label. The result is a boolean tensor where True marks every example the model got right.
correct = preds == yCount the Wins
Booleans add up like ones and zeros, so summing the matches gives a count of correct predictions in this batch.
num_correct = correct.sum().item()Turn Count Into a Rate
Divide correct predictions by the batch size and you get accuracy, a number from zero to one that is easy to read as a percentage.
acc = num_correct / y.size(0)Accumulate Across Batches
Per-batch accuracy is noisy, so keep running totals of correct and seen examples. Their ratio gives a stable epoch accuracy.
total_correct += num_correct
total_seen += y.size(0)Report Each Epoch
At the end of an epoch compute the overall rate and print it beside the loss. Now you see both how confident and how correct the model is.
epoch_acc = total_correct / total_seenKeep Metrics off the Graph
When you only measure, wrap scoring in no_grad. It stops PyTorch from tracking operations you never plan to backpropagate, saving memory.
with torch.no_grad():
preds = model(x).argmax(dim=1)Accuracy Is Not Enough Alone
On imbalanced data accuracy can fool you: always guessing the common class scores high yet learns nothing. Pair it with loss and other metrics.
Watch the Trend
One epoch's number means little; the trend is everything. Rising accuracy with falling loss is the clear sign your training is on track.
A Window Into Learning
Tracking accuracy turns training from a black box into something you can watch. Each epoch you get honest feedback on real progress.
Quick Check
How do you turn class scores into a single predicted label?
Recap
You learned to track accuracy: argmax the scores, compare to labels, count correct, and divide. Watch the trend alongside loss. 🎉
Questions Fréquemment Posées
La leçon « Suivre la précision pendant l’entraînement » est-elle gratuite ?
Oui — le texte complet de « Suivre la précision pendant l’entraînement » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Suivre la précision pendant l’entraînement » ?
Transformez les prédictions en score. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Suivre la précision pendant l’entraînement » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Passage avant, perte, rétropropagation, mise à jour
- Écrire une boucle d’entraînement minimale
- Suivre la précision pendant l’entraînement
- Modes d’entraînement et d’évaluation