Я начал использовать Pytorch, и сейчас я работаю над проектом, в котором я использую простую нейронную сеть с прямой связью для линейной регрессии. Проблема в том, что в Pytorch я не нашел ничего, что позволило бы мне получить Точность Модели линейной регрессии, как в Keras или в SKlearn. в керасе это было бы просто, установив metrics=["accuracy"] внутри функции компиляции. Я искал в документации и на официальном сайте Pytorch, но ничего не нашел. кажется, что этот API не существует в Pytorch. Я знаю, что могу наблюдать потерю во время тренировки, или я могу просто получить тестовую потерю и, основываясь на ней, я могу знать, уменьшилась потеря или нет, но я хочу использовать ту структуру Keras, где я получаю значение потери, а также значение точности,путь Кераса выглядит более понятным. Я также попытался реализовать функцию точности, используя r2_score из sklearn, но он дал мне странные значения:
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=1e-3, momentum=0.9)
def train(model, optimizer, loss_fn):
def train_step(x, y):
model.train()
optimizer.zero_grad()
out = model(x)
loss = loss_fn(out, y)
loss.backward()
optimizer.step()
return loss.item()
return train_step
def fit(epochs=100):
train_func = train(model, optimizer, criterion)
count, total = 0, 0
loss_list, accuracy_list, iters = [], [], []
for e in range(epochs):
for X, y in train_loader:
loss = train_func(X, y)
count += 1
total += len(y)
if count % 50 == 0:
print("loss= ", loss)
loss_list.append(loss)
iters.append(total)
if count % 100 == 0:
model.eval() # im not sure if we can do this in pytorch. I mean evaluating the model while training! it would be great if you tell me whether this is ok or not
out = model(X)
out = out.detach().numpy()
y = y.detach().numpy()
accuracy = r2_score(y, out) # r2_score is the scikit learn r2 score function.
print("accuracy = ", accuracy) # here i get wierd values and it doesn't get better over time, in contrast the loss decreased over time
accuracy_list.append(accuracy)
return iters, loss_list, accuracy_list
Я знаю, как реализовать функцию точности в случае проблемы классификации, потому что она использует дискретные значения. это ясно для меня, потому что реализация проста и понятна. Я должен только посмотреть, какое правильное предсказание сделала модель, а затем рассчитать точность. но в этом случае у меня есть непрерывные значения, поэтому я сам не смог реализовать эту функцию, и меня удивило, что у Pytorch нет встроенной функции для этого. может, кто-то может сказать мне, как реализовать это или где найти его реализацию?
Другое дело, где использовать оценку и где установить модель в режиме оценки, вызвав функцию eval. должен ли я использовать его во время обучения, как я делал в своем Кодексе, или я должен тренироваться, а затем тестировать после тренировки, и если я тестирую во время тренировки, я должен вызвать функцию eval, как я это делал, или это повлияет на тренировку, когда цикл вернется к тренировкеРежим? Еще одна вещь, которую я не нашел в Pytorch, это Крестная валидация. как мне реализовать это в pytorch, если для него нет API, как в Keras?