테스트 데이터셋을 모델에 적용하여 예측에 대한 성능을 확인해 보겠습니다.
코드 7-61 테스트 데이터셋을 이용한 모델 예측
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():
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")
_, predicted = torch.max(logit.data, 1)
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