이제 테스트 데이터셋을 이용하여 모델 예측 성능을 살펴보겠습니다.
코드 7-38 테스트 데이터셋을 이용한 모델 예측 성능 확인
def evaluate(model, val_iter):
corrects, total, total_loss = 0, 0, 0
model.eval()
for images, labels in val_iter:
if torch.cuda.is_available(): ------ GPU 사용 유무 확인
images = Variable(images.view(-1, seq_dim, input_dim).cuda())
else:
images = Variable(images.view(-1, seq_dim, input_dim)).to(device)
logit = model(images).to(device)
loss = F.cross_entropy(logit, labels, reduction="sum") ------ reduction=‘sum’을 지정했기 때문에 모든 오차를 더합니다.
_, predicted = torch.max(logit.data, 1) ------ logit.data 텐서에서 최댓값의 인덱스(index)를 반환
total += labels.size(0)
total_loss += loss.item()
corrects += (predicted == labels).sum()
avg_loss = total_loss / len(val_iter.dataset)
avg_accuracy = corrects / total
return avg_loss, avg_accuracy