Mengevaluasi dan Menyimpan Model Anda
Memeriksa metrik dan mengirimkannya ke Hub
Mengevaluasi dan Menyimpan Model Anda adalah pelajaran NLP Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar NLP Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus NLP Academy mencakup 4 pelajaran total.
Pelatihan Saja Tidak Cukup
Model yang telah dilatih hanya berguna jika dapat menggeneralisasi. Jadi, tugas Anda berikutnya adalah melakukan evaluate terhadapnya pada data yang belum pernah dilihat selama pelatihan.
Jalankan Evaluasi
Trainer dapat menilai kumpulan validasi Anda dalam satu pemanggilan dan mengembalikan metrik yang Anda konfigurasikan, seperti akurasi dan kerugian.
print(trainer.evaluate())Pilih Metrik yang Tepat
Akurasi dapat menyesatkan pada data yang tidak seimbang. Untuk kelas yang tidak seimbang, andalkan F1 agar presisi dan perolehan sama-sama diperhitungkan.
Hitung Metrik dengan Rapi
Pustaka evaluate membungkus skor umum, sehingga Anda dapat menghitung F1 atau akurasi tanpa menulis sendiri rumusnya.
import evaluate
f1 = evaluate.load("f1")Pisahkan Kumpulan Pengujian
Simpan kumpulan pengujian terpisah yang hanya Anda gunakan sekali. Kumpulan ini memberikan perkiraan akhir yang jujur dan bebas dari bias penyesuaian.
Simpan Model
Simpan bobot yang telah disempurnakan ke disk agar dapat memuatnya kembali kapan saja tanpa melatih ulang. Ini menyimpan model dan tokenizer.
trainer.save_model("my-model")
tok.save_pretrained("my-model")Muat Ulang di Mana Saja
Pemuatan adalah kebalikan dari penyimpanan: arahkan from_pretrained ke folder Anda dan seluruh model akan kembali siap membuat prediksi.
m = AutoModelForSequenceClassification.from_pretrained("my-model")Bungkus dalam Pipeline
Masukkan model yang telah disimpan ke dalam pipeline untuk melakukan inferensi secara langsung dan sederhana pada teks baru tanpa tokenisasi manual.
clf = pipeline("text-classification", model="my-model")Bagikan di Hub
Satu kali push mengunggah model Anda ke Hugging Face Hub, sehingga rekan tim dapat memuatnya berdasarkan nama dari mana saja.
trainer.push_to_hub()Beri Versi pada Pekerjaan Anda
Hub melacak revisi seperti git, sehingga setiap titik pemeriksaan tetap dapat direproduksi dan Anda selalu dapat kembali ke versi sebelumnya.
Dokumentasikan Model
Sebuah kartu model mencatat data, metrik, dan batasan Anda. Kartu ini membantu orang lain mempercayai dan menggunakan kembali hasil yang Anda bangun. 📋
Pemeriksaan Singkat
Mengapa Anda harus menyimpan kumpulan pengujian terpisah yang dievaluasi hanya sekali?
Ringkasan
Lakukan evaluasi pada data yang belum pernah dilihat menggunakan metrik yang tepat, simpan model dan tokenizer, lalu muat ulang atau kirim ke Hub untuk dibagikan. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Mengevaluasi dan Menyimpan Model Anda” gratis?
Ya — teks lengkap “Mengevaluasi dan Menyimpan Model Anda” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus NLP Academy, upgrade ke CoddyKit PRO. Kursus NLP Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Mengevaluasi dan Menyimpan Model Anda”?
Memeriksa metrik dan mengirimkannya ke Hub Kamu berlatih NLP Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai NLP Academy?
Tidak diperlukan pengalaman sebelumnya. NLP Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Mengevaluasi dan Menyimpan Model Anda” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran NLP Academy ini?
Ya. Setiap pelajaran NLP Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Tur Pustaka Transformers
- Melakukan Tokenisasi untuk Model Transformer
- Penyetelan Halus dengan API Trainer
- Mengevaluasi dan Menyimpan Model Anda