Valutare e salvare il modello
Controllare le metriche e pubblicare sull'Hub
Valutare e salvare il modello è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 4 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 NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Training Is Not Enough
A trained model is only useful if it generalizes. So your next job is to evaluate it on data it never saw during training.
Run Evaluation
The Trainer can score your validation set in one call and return the metrics you configured, like accuracy and loss.
print(trainer.evaluate())Pick the Right Metric
Accuracy can mislead on skewed data. For uneven classes, lean on F1 so both precision and recall count.
Compute Metrics Cleanly
The evaluate library wraps common scores, so you compute F1 or accuracy without writing the math by hand.
import evaluate
f1 = evaluate.load("f1")Hold Out a Test Set
Keep a separate test set you touch only once. It gives an honest final estimate, free of tuning bias.
Save the Model
Persist the fine-tuned weights to disk so you can reload them anytime without training again. This saves the model and tokenizer.
trainer.save_model("my-model")
tok.save_pretrained("my-model")Reload Anywhere
Loading is the mirror of saving: point from_pretrained at your folder and the full model comes back ready to predict.
m = AutoModelForSequenceClassification.from_pretrained("my-model")Wrap It in a Pipeline
Drop your saved model into a pipeline for instant, simple inference on fresh text without any manual tokenizing.
clf = pipeline("text-classification", model="my-model")Share on the Hub
One push uploads your model to the Hugging Face Hub, so teammates load it by name from anywhere.
trainer.push_to_hub()Version Your Work
The Hub tracks revisions like git, so each checkpoint stays reproducible and you can always roll back.
Document the Model
A model card records your data, metrics, and limits. It helps others trust and reuse what you built. 📋
Quick Check
Why keep a separate test set you evaluate only once?
Recap
Evaluate on unseen data with the right metric, save the model and tokenizer, then reload or push it to the Hub to share. ✅
Domande Frequenti
La lezione «Valutare e salvare il modello» è gratuita?
Sì — il testo completo di «Valutare e salvare il modello» 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 NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Valutare e salvare il modello»?
Controllare le metriche e pubblicare sull'Hub Eserciti NLP 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 NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP 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 4 di 4.
Quanto tempo richiede la lezione «Valutare e salvare il modello»?
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 NLP Academy?
Sì. Ogni lezione NLP 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
- Panoramica della libreria Transformers
- Tokenizzare per i modelli Transformer
- Fine-tuning con l'API Trainer
- Valutare e salvare il modello