ติดตามความแม่นยำระหว่างการฝึก
เปลี่ยนการทำนายให้เป็นคะแนน
ติดตามความแม่นยำระหว่างการฝึก เป็นบทเรียน Deep Learning Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Deep Learning Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
ความสูญเสียเพียงอย่างเดียวอาจหลอกเราได้
ความสูญเสียที่ลดลงทำให้รู้สึกดี แต่เป็นเพียงตัวชี้วัดเชิงนามธรรม หากต้องการรู้ว่าโมเดลมีประโยชน์จริงหรือไม่ คุณยังต้องดู ความแม่นยำ ซึ่งคือสัดส่วนของการคาดคะเนที่ถูกต้อง 🎯
จาก Logits สู่ตัวเลือก
โมเดลของคุณส่งออกคะแนนดิบของแต่ละคลาส หากต้องการเลือกการคาดคะเน ให้ใช้ argmax ตามมิติของคลาส เพื่อหาดัชนีของคะแนนที่มากที่สุด
preds = pred.argmax(dim=1)เปรียบเทียบกับคำตอบจริง
ตอนนี้ให้เปรียบเทียบคลาสที่คาดคะเนกับป้ายกำกับจริง ผลลัพธ์คือเทนเซอร์แบบบูลีนที่มีค่า True กำกับตัวอย่างทุกตัวที่โมเดลคาดคะเนถูกต้อง
correct = preds == yนับผลสำเร็จ
ค่าบูลีนสามารถนำมาบวกกันได้เหมือนเลขหนึ่งและศูนย์ ดังนั้นการรวมค่าที่ตรงกันจะให้ จำนวนการคาดคะเนที่ถูกต้องในกลุ่มข้อมูลนี้
num_correct = correct.sum().item()เปลี่ยนจำนวนให้เป็นอัตรา
หารจำนวนการคาดคะเนที่ถูกต้องด้วยขนาดกลุ่มข้อมูล แล้วคุณจะได้ ความแม่นยำ ซึ่งเป็นตัวเลขตั้งแต่ศูนย์ถึงหนึ่ง และอ่านเป็นเปอร์เซ็นต์ได้ง่าย
acc = num_correct / y.size(0)สะสมค่าข้ามกลุ่มข้อมูล
ความแม่นยำรายกลุ่มข้อมูลมีความผันผวน ดังนั้นให้สะสมจำนวนตัวอย่างที่ถูกต้องและจำนวนตัวอย่างที่พบ อัตราส่วนของทั้งสองค่าจะให้ความแม่นยำของ ยุคที่เสถียร
total_correct += num_correct
total_seen += y.size(0)รายงานผลทุกยุค
เมื่อจบยุค ให้คำนวณอัตราโดยรวมแล้วแสดงถัดจากความสูญเสีย ตอนนี้คุณจะเห็นทั้งระดับความมั่นใจและความ ถูกต้องของโมเดล
epoch_acc = total_correct / total_seenนำตัวชี้วัดออกจากกราฟ
เมื่อคุณเพียงต้องการวัดผล ให้ครอบการคำนวณคะแนนด้วย no_grad วิธีนี้จะหยุดไม่ให้ PyTorch ติดตามการดำเนินการที่คุณไม่ได้วางแผนจะส่งย้อนกลับ และช่วยประหยัดหน่วยความจำ
with torch.no_grad():
preds = model(x).argmax(dim=1)ความแม่นยำเพียงอย่างเดียวไม่เพียงพอ
ในข้อมูลที่ ไม่สมดุล ความแม่นยำอาจหลอกคุณได้: การเดาคลาสที่พบมากที่สุดเสมออาจได้คะแนนสูง แต่ไม่ได้เรียนรู้อะไรเลย ควรใช้ร่วมกับความสูญเสียและตัวชี้วัดอื่น
เฝ้าดูแนวโน้ม
ตัวเลขของยุคเดียวมีความหมายไม่มาก สิ่งสำคัญคือ แนวโน้มทั้งหมด ความแม่นยำที่เพิ่มขึ้นพร้อมความสูญเสียที่ลดลงเป็นสัญญาณชัดเจนว่าการฝึกดำเนินไปถูกทาง
หน้าต่างสู่การเรียนรู้
การติดตามความแม่นยำเปลี่ยนการฝึกจากกล่องดำให้กลายเป็นสิ่งที่คุณสามารถ เฝ้าดูได้ ทุกยุคคุณจะได้รับข้อมูลย้อนกลับที่ตรงไปตรงมาเกี่ยวกับความก้าวหน้าจริง
ตรวจสอบอย่างรวดเร็ว
คุณเปลี่ยนคะแนนของคลาสให้เป็นป้ายกำกับที่คาดคะเนเพียงค่าเดียวได้อย่างไร
สรุปทบทวน
คุณได้เรียนรู้การติดตาม ความแม่นยำ: ใช้ argmax กับคะแนน เปรียบเทียบกับป้ายกำกับ นับจำนวนที่ถูกต้อง แล้วหารเพื่อหาอัตรา เฝ้าดูแนวโน้มควบคู่กับความสูญเสีย 🎉
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “ติดตามความแม่นยำระหว่างการฝึก” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ติดตามความแม่นยำระหว่างการฝึก” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Deep Learning Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ติดตามความแม่นยำระหว่างการฝึก”
เปลี่ยนการทำนายให้เป็นคะแนน คุณปฏิบัติ Deep Learning Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Deep Learning Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Deep Learning Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน
บทเรียน “ติดตามความแม่นยำระหว่างการฝึก” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Deep Learning Academy นี้ได้ไหม
ได้ บทเรียน Deep Learning Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- การส่งต่อ ค่าความสูญเสีย ย้อนกลับ และก้าวปรับค่า
- เขียนวงจรการฝึกแบบพื้นฐาน
- ติดตามความแม่นยำระหว่างการฝึก
- โหมดฝึกกับโหมดประเมิน