private void Step(Item sample)
{
var x = sample.Volume;
var y = sample.Label; // pego o rótulo e a imagem
if (sample.IsValidation) // vejo se é de validação ou treino
{
// a estimação do erro é feita com os dados de entrada 'x' e a previsão boa ou ruim é 'valAcc'
net.Forward(x);
var yhat = net.GetPrediction();
var valAcc = yhat == y ? 1.0 : 0.0;
valAccWindow.Add(valAcc);
return;
}
trainer.Train(x, y);
var lossx = trainer.CostLoss;
var lossw = trainer.L2DecayLoss;
// erro e a função perda
var prediction = net.GetPrediction();
var trainAcc = prediction == y ? 1.0 : 0.0;
xLossWindow.Add(lossx);
wLossWindow.Add(lossw);
trainAccWindow.Add(trainAcc);
if (stepCount % 200 == 0)
{
if (xLossWindow.Count == xLossWindow.Capacity)
{
var xa = xLossWindow.Items.Average();
var xw = wLossWindow.Items.Average();
var loss = xa + xw;
Console.WriteLine("Perda: {0} precisão no treiono: {1}% precisão do teste: {2}%", loss, Math.Round(trainAccWindow.Items.Average() * 100.0, 2), Math.Round(valAccWindow.Items.Average() * 100.0, 2));
Console.WriteLine("{0} exemplos vistos. tempo pro fwd: {1}ms tempo pro bckw: {2}ms", stepCount, Math.Round(trainer.ForwardTime.TotalMilliseconds, 2), Math.Round(trainer.BackwardTime.TotalMilliseconds, 2));
// AQUI, salvo A REDE ATUAl, POSSO ESCOLHER MAIS TARDE qual usar
// a melhor rede atual está salva com o nome de 'best' na pasta debug
File.WriteAllText("rede" + stepCount.ToString(), SerializationExtensions.ToJSON(net));
}
}
if (stepCount % 1000 == 0)
{
TestPredict();
}
stepCount++;
}