在pytorch 中计算精度、回归率、F1 score等指标的实例
pytorch中训练完网络后，需要对学习的结果进行测试。官网上例程用的方法统统都是正确率，使用的是torch.eq()这个函数。
但是为了更精细的评价结果，我们还需要计算其他各个指标。在把官网API翻了一遍之后发现并没有用于计算TP，TN，FP，FN的函数。。。
在动了无数歪脑筋之后，心想pytorch完全支持numpy，那能不能直接进行判断，试了一下果然可以，上代码：
#TPpredict和label同时为1 TP+=((pred_choice==1)&(target.data==1)).cpu().sum() #TNpredict和label同时为0 TN+=((pred_choice==0)&(target.data==0)).cpu().sum() #FNpredict0label1 FN+=((pred_choice==0)&(target.data==1)).cpu().sum() #FPpredict1label0 FP+=((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
这样就能看到各个指标了。
因为target是Variable所以需要用target.data取到对应的tensor，又因为是在gpu上算的，需要用.cpu()移到cpu上。
因为这是一个batch的统计，所以需要用+=累计出整个epoch的统计。当然，在epoch开始之前需要清零
以上这篇在pytorch中计算精度、回归率、F1score等指标的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。