Avaliando e salvando seu modelo
Verifique as métricas e envie-o ao Hub.
Avaliando e salvando seu modelo é uma aula grátis de NLP Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de NLP Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de NLP Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
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. ✅
Perguntas Frequentes
A aula “Avaliando e salvando seu modelo” é grátis?
Sim — o texto completo de “Avaliando e salvando seu modelo” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de NLP Academy, atualize para CoddyKit PRO. O curso de NLP Academy inclui 4 aulas no total.
O que vou aprender em “Avaliando e salvando seu modelo”?
Verifique as métricas e envie-o ao Hub. Você pratica NLP Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar NLP Academy?
Nenhuma experiência prévia é necessária. NLP Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Avaliando e salvando seu modelo”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de NLP Academy?
Sim. Cada aula de NLP Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Visita guiada à biblioteca Transformers
- Tokenização para modelos Transformer
- Ajuste fino com a API Trainer
- Avaliando e salvando seu modelo