NJU1healer的个人博客分享 http://blog.sciencenet.cn/u/NJU1healer

博文

import torchnet as tnt

已有 695 次阅读 2020-11-13 16:49 |个人分类:Pytorch|系统分类:科研笔记

主要介绍torchnet中的常用模块方法

github网址:https://github.com/facebookarchive/torchnet

import torchnet as tnt

acc_meter = tnt.meter.ClassErrorMeter(accuracy=True) #计算精度

loss_meter = tnt.meter.AverageValueMeter() #计算存储数据的均值和标准差

(1)acc_meter使用示例

pred=torch.Tensor([[0.5,0.3,0.4],[0.1,0.4,0.8],[0.6,0.8,0.9]]) #预测标签[0,2,2]

y = torch.Tensor([0,1,2])

acc_meter.add(pred, y)


pred1=torch.Tensor([[0.5,0.3,0.4],[0.1,0.4,0.8],[0.6,0.8,0.9]]) #预测标签[0,2,2]

y1 = torch.Tensor([0,1,2])

acc_meter.add(pred1, y1)


pred2=torch.Tensor([[0.5,0.3,0.4],[0.1,0.8,0.2],[0.6,0.8,0.9]]) #预测标签[0,1,2]

y2 = torch.Tensor([0,1,2])

acc_meter.add(pred2, y2)


acc_meter.value() #返回结果是三个预测结果的精度平均值

Out[42]: [77.77777777777779]

(2)loss_meter使用示例

from torchnet import meter

loss_meter = meter.AverageValueMeter()

loss_meter.reset()

for i in range(10):

    loss_meter.add(i)

loss_meter.value() #返回存储数据的均值和标准差

Out[11]: (4.5, 3.0276503540974917) #均值,标准差

点滴分享,福泽你我!Add oil!



http://blog.sciencenet.cn/blog-3428464-1258244.html

上一篇:高性能图像处理库Pillow-SIMD
下一篇:[转载]Python numpy模块:transpose以及swapaxes函数(矩阵理解及性能)

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-1-22 09:45

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部