如何解决10 折交叉验证评估
我有以下分类模型。我有训练集和测试集。我在训练集上训练它,输入是 3400 向量,输出是 3 个类 (0,1,2) 之间的一个类。我将模型保存为以下代码。现在我想应用 10 折交叉验证来评估测试集上保存的模型。你能告诉我怎么做吗,因为我以前从未使用过 10 交叉验证。
training_set = Dataset("train_data.txt","train_target.txt")
training_generator = torch.utils.data.DataLoader(training_set,**params)
testing_set = Dataset("test_data.txt","testtarget.txt")
testing_generator = torch.utils.data.DataLoader(testing_set,**params)
for i,(seq_batch,stat_batch) in enumerate(training_generator):
seq_batch,stat_batch = seq_batch.to(device),stat_batch.to(device)
optimizer.zero_grad()
#print(seq_batch.shape,stat_batch.shape)
# Model computation
seq_batch = seq_batch.unsqueeze(-1)
outputs = model(seq_batch)
if CUDA:
loss = criterion(outputs,stat_batch)
loss.backward()
optimizer.step()
# print statistics
running_loss += loss.item()
epoch_loss += loss.item()*outputs.shape[0]
if i % 2000 == 1999: # print every 2000 mini-batches
print('[%d,%5d] loss: %.3f' %
(epoch + 1,i + 1,running_loss / 2000),"acc",(outputs.argmax(1) == stat_batch).float().mean())
running_loss = 0.0
sum_acc += (outputs.argmax(1) == stat_batch).float().sum()
print("epoch",epoch+1,sum_acc/len(training_set),"loss",epoch_loss/len(training_set))
loss_values.append(epoch_loss/len(training_set))
if epoch % 20 == 0:
torch.save(model.state_dict(),path + name_file + "model_epoch_i_" + str(epoch) + ".cnn")
解决方法
这个话题可能对你有用。答案之一包含自定义 CV 函数: k-fold cross validation using DataLoaders in PyTorch
rm -rf node_modules && npm install
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。