21、深度学习中的无监督学习与生成模型实践

深度学习中的无监督学习与生成模型实践

1. 模型训练与评估

在模型训练过程中，为了验证训练效果，我们可以先在原始数据集的一小部分上进行训练。运行以下代码后，会得到类似如下的输出：

Epoch: 0, Batch: 249, accuracy: 0.3605000 loss: 1.1831361
Epoch: 1, Batch: 249, accuracy: 0.5363751 loss: 1.0118284
Epoch: 2, Batch: 249, accuracy: 0.6470000 loss: 0.8826395

模型训练完成后，我们可以使用给定的测试数据创建测试管道，并使用以下代码评估训练好的模型：

model
|> Axon.Loop.evaluator()
|> Axon.Loop.metric(:accuracy)
|> Axon.Loop.run(test_data, params, compiler: EXLA)

运行后会得到类似如下的输出：

Batch: 49, accuracy: 0.3675000

这里显示的 36% 的准确率表明了模型在原始数据的一个小子集上训练后的准确率。若要得到更强大的分类器，可以继续进行更长时间的训练。通过几行代码，我们就可以将一个强大的预训练模型微调为能够对 Yelp 评论进行分类的强