【深度学习】多分类任务评估指标sklearn和torchmetrics对比

分析

sklearn和torchmetrics两个metric代码跑模子的输出效果同等，对比他们的区别。评估指标写在下面
sklearn代码

1. import torch
2. import numpy as np
3. from sklearn.metrics import accuracy_score, f1_score, precision_score, recall_score
5. class MultiClassReport():
6.     """
7.     Accuracy, F1 Score, Precision and Recall for multi - class classification task.
8.     """
10.     def __init__(self, name='MultiClassReport', average='macro'):
11.         super(MultiClassReport, self).__init__()
12.         self.average = average
13.         self._name = name
14.         self.reset()
16.     def reset(self):
17.         """
18.         Resets all the metric state.
19.         """
20.         self.y_prob = []
21.         self.y_true = []
23.     def update(self, probs, labels):
24.         # 将Tensor转换为numpy数组并添加到相应列表中
25.         if isinstance(probs, torch.Tensor):
26.             if probs.requires_grad:
27.                 probs = probs.detach()
28.             probs = probs.cpu().numpy()
29.         if isinstance(labels, torch.Tensor):
30.             if labels.requires_grad:
31.                 labels = labels.detach()
32.             labels

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金