Ji bo grafîkirina rastbûn û nirxên windabûnê yên modelek perwerdekirî di warê fêrbûna kûr de, em dikarin teknîk û amûrên cihêreng ên ku di Python û PyTorch de hene bikar bînin. Şopandina rastbûn û nirxên windabûnê ji bo nirxandina performansa modela me û girtina biryarên agahdar di derbarê perwerdehî û xweşbîniya wê de pir girîng e. Di vê bersivê de, em ê du nêzîkatiyên hevpar bikolin: karanîna pirtûkxaneya Matplotlib û karanîna amûra dîtbarî ya TensorBoard.
1. Grafik bi Matplotlib re:
Matplotlib di Python de pirtûkxaneyek plansaziyê ya populer e ku destûrê dide me ku em cûrbecûr dîmenan biafirînin, tevî grafikên rastbûn û windabûnê. Ji bo grafîkirina rastbûn û nirxên windabûnê yên modelek perwerdekirî, divê em van gavan bişopînin:
Gav 1: Pirtûkxaneyên pêwîst derxînin:
python import matplotlib.pyplot as plt
Gav 2: Di dema perwerdehiyê de nirxên rastbûn û windabûnê berhev bikin:
Di pêvajoya perwerdehiyê de, em bi gelemperî di her dubarekirin an serdemê de nirxên rastbûn û windabûnê hilînin. Em dikarin du navnîşên cihêreng biafirînin ku van nirxan hilînin. Bo nimûne:
python accuracy_values = [0.82, 0.88, 0.91, 0.93, 0.95] loss_values = [0.65, 0.45, 0.35, 0.30, 0.25]
Gav 3: Grafikê biafirînin:
Bi karanîna Matplotlib, em dikarin rastbûn û nirxên windabûnê li hember hejmara dubareyan an serdeman xêz bikin. Li vir mînakek e:
python plt.plot(accuracy_values, label='Accuracy') plt.plot(loss_values, label='Loss') plt.xlabel('Epochs') plt.ylabel('Value') plt.title('Accuracy and Loss Graph') plt.legend() plt.show()
Ev kod dê grafiyek bi rastbûn û nirxên windabûnê yên ku li ser y-xebatê têne xuyang kirin û hejmara dubarekirin an serdemên li ser x-xebatê çêbike. Nirxên rastbûnê wekî rêzek, û nirxên windabûnê wekî rêzek din têne xêz kirin. Legend alîkarî dide ku di navbera herduyan de cuda bikin.
2. Grafîkkirina bi TensorBoard:
TensorBoard amûrek dîtbarî ya hêzdar e ku ji hêla TensorFlow ve hatî peyda kirin, ku dikare bi modelên PyTorch re jî were bikar anîn. Ew destûrê dide dîmenderkirina înteraktîf û hûrgulî ya aliyên cihêreng ên perwerdehiya modelê, tevî rastbûn û nirxên windabûnê. Ji bo grafîkirina nirxên rastbûn û windabûnê bi karanîna TensorBoard, pêdivî ye ku em van gavan bişopînin:
Gav 1: Pirtûkxaneyên pêwîst derxînin:
python from torch.utils.tensorboard import SummaryWriter
Gav 2: Tiştek SummaryWriter biafirînin:
python writer = SummaryWriter()
Gav 3: Di dema perwerdehiyê de rastbûn û nirxên windabûnê tomar bikin:
Di dema pêvajoya perwerdehiyê de, em dikarin bi karanîna mijara SummaryWriter ve nirxên rastbûn û windabûnê di her dubarekirin an serdemê de tomar bikin. Bo nimûne:
python for epoch in range(num_epochs): # Training code... # Log accuracy and loss values writer.add_scalar('Accuracy', accuracy, epoch) writer.add_scalar('Loss', loss, epoch)
Gav 4: Destpêkirina TensorBoard:
Piştî perwerdehiyê, em dikarin TensorBoard bi karanîna rêzika fermanê dest pê bikin:
tensorboard --logdir=logs
Gav 5: Li TensorBoard grafikên rastbûn û windabûnê bibînin:
Gerokek webê vekin û biçin URL-ya ku ji hêla TensorBoard ve hatî peyda kirin. Di tabloya "Scalars" de, em dikarin bi demê re grafikên rastbûn û windabûnê xuyang bikin. Em dikarin bi eyarkirina pîvan û mîhengên li TensorBoard ve dîmenê xweş bikin.
Bikaranîna TensorBoard feydeyên pêvek peyda dike, wekî kapasîteya berhevkirina pirjimaran, vekolîna metrîkên cihêreng, û analîzkirina performansa modelê bi hûrgulî.
Grafikkirina rastbûn û nirxên windakirina modelek perwerdekirî ji bo têgihiştina performansa wê pêdivî ye. Em dikarin pirtûkxaneya Matplotlib bikar bînin da ku rasterast di Python de grafikên statîk biafirînin an jî amûra dîtinê ya TensorBoard bikar bînin ji bo dîmenên înteraktîf û berfirehtir.
Pirs û bersivên din ên vê dawiyê di derbarê Bi fêrbûna kûr pêşve diçin:
- Ma modela tora neuralî ya PyTorch dikare ji bo pêvajoya CPU û GPU heman kodê hebe?
- Çima girîng e ku meriv bi rêkûpêk modelên fêrbûna kûr analîz bike û binirxîne?
- Hin teknîk ji bo şîrovekirina pêşbîniyên ku ji hêla modela fêrbûna kûr ve têne çêkirin çi ne?
- Em çawa dikarin daneyan ji bo analîzê veguherînin forma float?
- Armanca bikaranîna serdeman di fêrbûna kûr de çi ye?
- Em çawa dikarin di pêvajoya analîzkirina modelê de daneyên perwerdehiyê û pejirandinê tomar bikin?
- Ji bo perwerdehiya modelek fêrbûna kûr, mezinahiya hevrika pêşniyarkirî çi ye?
- Di hînbûna kûr de gavên ku di analîza modelê de têkildar in çi ne?
- Em çawa dikarin di dema perwerdehiyê de di modelên fêrbûna kûr de pêşî li xapandina bê mebest bigirin?
- Du metrîkên sereke yên ku di analîza modelê de di fêrbûna kûr de têne bikar anîn çi ne?
Di Pêşveçûna bi fêrbûna kûr de bêtir pirs û bersivan bibînin