Update app.py

app.py

@@ -365,8 +365,10 @@ print("trained!!!!!")
 #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:#################")
-loss, accuracy, f1_score, recall =  trainer.evaluate(eval_dataset=lm_datasets["test"])
-print(loss, accuracy, f1_score, recall)
+results =  trainer.evaluate(eval_dataset=lm_datasets["test"])
+# Ausgabe der Ergebnisse
+for key, value in results.items():
+    print(key, value)
 print("Done Eval")
 
 print('################ Test Trained Model ###################')