När ni tränar en ML-modell (t.ex. för Assignment-1) finns det ett antal moment som alltid förväntas ingå. Dessa instruktioner gäller både ANN och CNN i PyTorch, exempelvis med MNIST som dataset.
Efter träningen av modellen är det lämpligt att visa några exempel på korrekt klassificerade bilder, med en tydlig rubrik så att man ser att det handlar om korrekta exempel. Därefter, med ny rubrik eller bildtext, visar man några exempel på felklassificeringar – inklusive både vad modellen förutspått och vad det rätta svaret var.
Ibland är det inte uppenbart från bilden vad rätt svar är, så därför är det viktigt att visa båda. Kontrollera att bildvisningskoden inte kraschar om färre exempel finns än planerat (t.ex. om modellen nästan aldrig gör fel).
Modellen ska alltid utvärderas på test-data som inte använts under träningen. Test-datan är orörd och får inte ingå i träningsloopen eller användas för validering under modellutvecklingen.
Plotta en graf över:
Notera: dessa värden ska beräknas och loggas per epoch, inte per batch.
Under träningen bör ni skriva ut loss och accuracy för varje epoch i textform (stdout eller logg).
Samtidigt bör dessa värden sparas i listor för att kunna plottas efteråt.