Pytorch 实现计算分类器准确率(总分类及子分类)

以下是关于“Pytorch 实现计算分类器准确率(总分类及子分类)”的完整攻略，其中包含两个示例说明。

示例1：计算总分类准确率

步骤1：导入必要库

在计算分类器准确率之前，我们需要导入一些必要的库，包括torch和sklearn。

import torch
from sklearn.metrics import accuracy_score

步骤2：定义数据

在这个示例中，我们使用随机生成的数据来演示如何计算分类器总分类准确率。

# 定义随机生成的数据
y_true = torch.randint(0, 10, (100,))
y_pred = torch.randint(0, 10, (100,))

步骤3：计算准确率

使用定义的数据，计算分类器总分类准确率。

# 计算准确率
acc = accuracy_score(y_true, y_pred)

# 输出结果
print(f'Total Accuracy: {acc:.4f}')

步骤4：结果分析

使用accuracy_score()函数可以方便地计算分类器总分类准确率。在这个示例中，我们使用accuracy_score()函数计算了分类器总分类准确率，并成功地输出了结果。

示例2：计算子分类准确率

步骤1：导入必要库

在计算分类器准确率之前，我们需要导入一些必要的库，包括torch和sklearn。

import torch
from sklearn.metrics import accuracy_score

步骤2：定义数据

在这个示例中，我们使用随机生成的数据来演示如何计算分类器子分类准确率。

# 定义随机生成的数据
y_true = torch.randint(0, 10, (100,))
y_pred = torch.randint(0, 10, (100,))

步骤3：计算准确率

使用定义的数据，计算分类器子分类准确率。

# 计算每个类别的准确率
acc_per_class = []
for i in range(10):
    y_true_i = (y_true == i).long()
    y_pred_i = (y_pred == i).long()
    acc_i = accuracy_score(y_true_i, y_pred_i)
    acc_per_class.append(acc_i)

# 输出结果
for i in range(10):
    print(f'Class {i} Accuracy: {acc_per_class[i]:.4f}')

步骤4：结果分析

使用accuracy_score()函数可以方便地计算分类器子分类准确率。在这个示例中，我们使用accuracy_score()函数计算了分类器子分类准确率，并成功地输出了结果。