在pytorch中計算精度、回歸率、F1score等指標(biāo)的實例分析-創(chuàng)新互聯(lián)

本篇內(nèi)容介紹了“在pytorch中計算精度、回歸率、F1score等指標(biāo)的實例分析”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

成都創(chuàng)新互聯(lián)公司主營淶源網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營網(wǎng)站建設(shè)方案,成都App制作,淶源h5微信小程序搭建,淶源網(wǎng)站營銷推廣歡迎淶源等地區(qū)企業(yè)咨詢

pytorch中訓(xùn)練完網(wǎng)絡(luò)后，需要對學(xué)習(xí)的結(jié)果進(jìn)行測試。官網(wǎng)上例程用的方法統(tǒng)統(tǒng)都是正確率，使用的是torch.eq()這個函數(shù)。

但是為了更精細(xì)的評價結(jié)果，我們還需要計算其他各個指標(biāo)。在把官網(wǎng)API翻了一遍之后發(fā)現(xiàn)并沒有用于計算TP，TN，F(xiàn)P，F(xiàn)N的函數(shù)。。。

在動了無數(shù)歪腦筋之后，心想pytorch完全支持numpy，那能不能直接進(jìn)行判斷，試了一下果然可以，上代碼：

# TP predict 和 label 同時為1TP += ((pred_choice == 1) & (target.data == 1)).cpu().sum()# TN predict 和 label 同時為0TN += ((pred_choice == 0) & (target.data == 0)).cpu().sum()# FN predict 0 label 1FN += ((pred_choice == 0) & (target.data == 1)).cpu().sum()# FP predict 1 label 0FP += ((pred_choice == 1) & (target.data == 0)).cpu().sum()p = TP / (TP + FP)r = TP / (TP + FN)F1 = 2 * r * p / (r + p)acc = (TP + TN) / (TP + TN + FP + FN

這樣就能看到各個指標(biāo)了。

因為target是Variable所以需要用target.data取到對應(yīng)的tensor，又因為是在gpu上算的，需要用 .cpu() 移到cpu上。

因為這是一個batch的統(tǒng)計，所以需要用+=累計出整個epoch的統(tǒng)計。當(dāng)然，在epoch開始之前需要清零

“在pytorch中計算精度、回歸率、F1score等指標(biāo)的實例分析”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！

網(wǎng)站題目：在pytorch中計算精度、回歸率、F1score等指標(biāo)的實例分析-創(chuàng)新互聯(lián)
文章網(wǎng)址：http://muchs.cn/article16/cddddg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供做網(wǎng)站、品牌網(wǎng)站建設(shè)、網(wǎng)站設(shè)計公司、自適應(yīng)網(wǎng)站、企業(yè)網(wǎng)站制作、App開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)