pytorch预测结果的精度、召回率、F1值、准确率计算（简单实现）

最新推荐文章于 2025-03-28 12:10:36 发布

不变强不改名

最新推荐文章于 2025-03-28 12:10:36 发布

阅读量1.3w

点赞数 7

分类专栏： Pytorch 文章标签： pytorch 深度学习计算机视觉

本文链接：https://blog.youkuaiyun.com/m0_58772523/article/details/121480590

版权

本文介绍了如何在PyTorch中计算深度学习模型预测的精度、召回率、F1值和准确率。首先，导入必要的库函数，然后详细说明了图像文件和标签文件的存储格式。接着，提供了读取标签的辅助函数，并定义了计算评估指标的函数。最后，给出了一个完整的实现示例，读者可以根据自己的模型路径进行调整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 导入必要的库函数

import os
import json
import torch
from PIL import Image
from torchvision import transforms
# 导入自己的模型
from model_v3 import mobilenet_v3_small

2. 文件存储格式

imgs文件下下是需要预测的图像

label.txt为每幅图对应的标签

### 这个无所谓，能正常读取就行

3. 标签读取辅助函数

targets_path = "test/label.txt"
    with open(targets_path, 'r') as file:
        targets = file.readlines()

4. 精度、召回率、F1值、准确率计算函数

# 获取标签
target = int(targets[i])
# 输出结果
output = torch.squeeze(model(img.to(device))).cpu()
# 取出最大值的索引
predict = torch.softmax(output, dim=0)
# 得到数值
predict_cla = torch.argmax(predict).item()
# 0为正类， 1为负类
if predict_cl