经过漫长的训练过程,我们会得到每个 EPOCH 运行完后,缓存下来的模型文件,测试阶段直接加载缓存文件即可。

另外,为了解模型的整体效果,在最后我们需要统计一下,在整个测试集上模型的准确率。

代码示例

1、模型测试

内容不可见,请联系管理员开通权限。

2、测试准确率

内容不可见,请联系管理员开通权限。

对于多分类问题来说,当样本不均衡时,只关注整体准确率是片面的,比如 90% 的标签都是O,模型什么都不做,也能有0.9的准确率。所以,最好是有一个针对每个分类的指标统计。

但是这块的内容代码简单,背景知识复杂,需要结合混淆矩阵才能解释清楚。在这个浮躁的时代,“短小快”才是美,所以就不延伸了。后面做分类任务的项目还有很多,我会找合适的机会补充这块内容。

本文链接:http://www.ichenhua.cn/edu/note/461

版权声明:本文为「陈华编程」原创课程讲义,请给与知识创作者起码的尊重,未经许可不得传播或转售!