如何在 Pytorch 中找到神经网络的测试准确性。如何制定将预测与数据进行比较的方程

Question

我无法确定测试数据的准确性。我是 pytorch 的新手，每次迭代的准确度都是 0。测试和训练损失值是合理的，并且随着迭代的进行而改进。但是，我不确定我是否评估了错误数据的准确性。我正在使用预测数据和 test_target 数据。 test_input 被输入到模型中以生成预测。一旦我理解了这一部分，我就能够找到训练的准确性。

for e in range(num_epochs):
    
    optimizer.zero_grad()
    out = model(train_input)
    loss = loss_fn(out, train_target)
    loss.backward()
    optimizer.step()

    with torch.no_grad():
        pred = model(train_input, future_preds=future)
        training_loss = loss_fn(pred[:,:-future], train_target)
        train_loss.append(training_loss)


        
        pred = model(test_input, future_preds=future)
        test_loss = loss_fn(pred[:,:-future], test_target)
        testing_loss.append(test_loss)
        
        predictions = pred.detach().numpy()
        testing_accu= sum(pred[:,:-future]==test_target)/20
        test_accu.append(testing_accu)

        print("Testing Accuracy: ", ((pred[:,:-future] > 0.5) == test_target).float().mean().item())

 return testing_loss, train_loss, test_accu

我的数据的tensor.shape是：

train_input : (80,999)

train_target: (80,999)

test_input : (20,999)

test_target : (20,999)