Tenga traccia dell'accuratezza durante l'addestramento
Trasformi le predizioni in un punteggio
Tenga traccia dell'accuratezza durante l'addestramento è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
La sola loss può ingannare
Una loss in diminuzione è incoraggiante, ma resta astratta. Per sapere se il modello è davvero utile, serve anche l'accuracy, cioè la percentuale di previsioni corrette. 🎯
Dai logit a una scelta
Il modello produce punteggi grezzi per ogni classe. Per scegliere una previsione, prenda l'indice del punteggio più alto con argmax lungo la dimensione delle classi.
preds = pred.argmax(dim=1)Confrontare con la verità
Ora confronti ogni classe prevista con l'etichetta reale. Il risultato è un tensore booleano in cui True indica ogni esempio classificato correttamente dal modello.
correct = preds == yContare i successi
I valori booleani si sommano come uno e zero, quindi sommare le corrispondenze fornisce il conteggio delle previsioni corrette in questo batch.
num_correct = correct.sum().item()Trasformare il conteggio in un tasso
Divida le previsioni corrette per la dimensione del batch e otterrà l'accuracy, un numero da zero a uno facile da leggere come percentuale.
acc = num_correct / y.size(0)Accumulare sui batch
L'accuracy di un singolo batch è variabile, quindi mantenga i totali progressivi degli esempi corretti e di quelli osservati. Il loro rapporto fornisce l'accuracy stabile dell'epoch.
total_correct += num_correct
total_seen += y.size(0)Riportare ogni epoca
Al termine di un'epoca calcoli il tasso complessivo e lo stampi accanto alla loss. Ora vede sia quanto il modello sia sicuro, sia quanto sia corretto.
epoch_acc = total_correct / total_seenTenere le metriche fuori dal grafo
Quando deve solo effettuare misurazioni, racchiuda la valutazione in no_grad. In questo modo PyTorch non traccia operazioni su cui non eseguirà il backpropagate, risparmiando memoria.
with torch.no_grad():
preds = model(x).argmax(dim=1)La sola accuracy non basta
Con dati sbilanciati, l'accuracy può ingannare: prevedere sempre la classe più comune produce un punteggio alto, ma non consente al modello di imparare. La abbini alla loss e ad altre metriche.
Osservare l'andamento
Il numero di una singola epoca dice poco; conta soprattutto l'andamento. Un'accuracy crescente insieme a una loss in calo indica chiaramente che l'addestramento procede bene.
Una finestra sull'apprendimento
Monitorare l'accuracy trasforma l'addestramento da una scatola nera in qualcosa che può osservare. A ogni epoca riceve un riscontro sincero sui progressi reali.
Verifica rapida
Come trasforma i punteggi delle classi in un'unica etichetta prevista?
Riepilogo
Ha imparato a monitorare l'accuracy: applicare argmax ai punteggi, confrontarli con le etichette, contare i risultati corretti e dividere. Osservi l'andamento insieme alla loss. 🎉
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Tenga traccia dell'accuratezza durante l'addestramento» è gratuita?
Sì — il testo completo di «Tenga traccia dell'accuratezza durante l'addestramento» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Tenga traccia dell'accuratezza durante l'addestramento»?
Trasformi le predizioni in un punteggio Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Tenga traccia dell'accuratezza durante l'addestramento»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Forward pass, loss, backward e step
- Scriva un ciclo di addestramento minimo
- Tenga traccia dell'accuratezza durante l'addestramento
- Modalità train ed eval