Śledzić dokładność podczas uczenia
Zamieniać predykcje na wynik
Śledzić dokładność podczas uczenia to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Sama strata trochę oszukuje
Malejąca strata cieszy, ale jest abstrakcyjna. Aby sprawdzić, czy model jest naprawdę użyteczny, potrzebujesz również dokładności, czyli odsetka poprawnych predykcji. 🎯
Od logitów do wyboru
Model zwraca surowe wyniki dla każdej klasy. Aby wybrać predykcję, znajdź indeks największego wyniku za pomocą argmax wzdłuż wymiaru klas.
preds = pred.argmax(dim=1)Porównaj z prawdą
Teraz porównaj każdą przewidzianą klasę z prawdziwą etykietą. Wynikiem jest tensor wartości logicznych, w którym True oznacza każdy poprawnie sklasyfikowany przykład.
correct = preds == yPolicz poprawne predykcje
Wartości logiczne sumują się jak jedynki i zera, więc zsumowanie zgodnych wyników daje liczbę poprawnych predykcji w tej partii.
num_correct = correct.sum().item()Zamień liczbę na współczynnik
Podziel liczbę poprawnych predykcji przez rozmiar partii, a otrzymasz dokładność — liczbę od zera do jedności, którą łatwo odczytać jako procent.
acc = num_correct / y.size(0)Sumuj wyniki z kolejnych partii
Dokładność dla pojedynczej partii jest zmienna, dlatego przechowuj bieżące sumy poprawnych i napotkanych przykładów. Ich iloraz daje stabilną dokładność epoki.
total_correct += num_correct
total_seen += y.size(0)Raportuj wyniki po każdej epoce
Na końcu epoki oblicz ogólny współczynnik i wyświetl go obok straty. Teraz widzisz zarówno to, jak pewny siebie, jak i jak poprawny jest model.
epoch_acc = total_correct / total_seenNie umieszczaj metryk w grafie
Gdy tylko mierzysz wyniki, umieść obliczanie oceny w no_grad. Dzięki temu PyTorch nie śledzi operacji, dla których nie planujesz propagacji wstecznej, co oszczędza pamięć.
with torch.no_grad():
preds = model(x).argmax(dim=1)Sama dokładność nie wystarczy
W przypadku niezrównoważonych danych dokładność może wprowadzać w błąd: ciągłe zgadywanie najczęstszej klasy daje wysoki wynik, ale model niczego się nie uczy. Łącz ją ze stratą i innymi metrykami.
Obserwuj trend
Pojedyncza liczba z jednej epoki niewiele znaczy — liczy się trend. Rosnąca dokładność przy malejącej stracie to wyraźny znak, że trenowanie przebiega prawidłowo.
Okno na proces uczenia
Śledzenie dokładności zmienia trenowanie z czarnej skrzynki w coś, co możesz obserwować. Po każdej epoce otrzymujesz rzetelną informację o rzeczywistych postępach.
Szybkie sprawdzenie
Jak zamienić wyniki dla klas na jedną przewidzianą etykietę?
Podsumowanie
Nauczyłeś się śledzić dokładność: znajdować argmax wyników, porównywać go z etykietami, zliczać poprawne predykcje i dzielić. Obserwuj trend wraz ze stratą. 🎉
Często zadawane pytania
Czy lekcja „Śledzić dokładność podczas uczenia” jest bezpłatna?
Tak — pełny tekst „Śledzić dokładność podczas uczenia” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Śledzić dokładność podczas uczenia”?
Zamieniać predykcje na wynik Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Śledzić dokładność podczas uczenia”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Przejście w przód, strata, wstecz i krok
- Napisać minimalną pętlę uczenia
- Śledzić dokładność podczas uczenia
- Tryb train a tryb eval