Update app.py

app.py

@@ -359,9 +359,14 @@ print("trained!!!!!")
 
 ##################
 #Evaluate the new Model auf evual dataset
+#loss: Gesamt-Verlust die das Modell auf den Test-Daten liefert (möglichst niedrig)
+#accuracy: Wie genau die Vorhersage des neuen Modelss auf den Test Daten funktioniert (möglichst nahe 1)
+#f1_score: Maß für Genauigkeit des Modells ? (möglichst nahe 1)
+#recall: Recall ist ein Maß dafür, wie viele der tatsächlich positiven Beispiele das Modell richtig klassifiziert hat (möglichst nahe 1)
+#precision: Maß dafür, wie viele der vom Modell als positiv klassifizierten Beispiele tatsächlich positiv sind (möglichst nahe 1)
 print ("#################Evaluate:#################")
-print(trainer.evaluate(eval_dataset=lm_datasets["test"]))
-#print(loss, accuracy)
+loss, accuracy, f1_score, recall, precision =  trainer.evaluate(eval_dataset=lm_datasets["test"]))
+print(loss, accuracy, f1_score, recall, precision)
 print("Done Eval")
 
 print('################ Test Trained Model ###################')