欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

在pytorch 中计算精度、回归率、F1 score等指标的实例

程序员文章站 2023-11-25 13:00:16
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...

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:

# tp predict 和 label 同时为1
tp += ((pred_choice == 1) & (target.data == 1)).cpu().sum()
# tn predict 和 label 同时为0
tn += ((pred_choice == 0) & (target.data == 0)).cpu().sum()
# fn predict 0 label 1
fn += ((pred_choice == 0) & (target.data == 1)).cpu().sum()
# fp predict 1 label 0
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、f1 score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。