时间戳

首页 > 解决方案 > 我在计算模型的准确率、召回率、精度和 f1 分数时遇到问题

deep-learning - 我在计算模型的准确率、召回率、精度和 f1 分数时遇到问题

问题描述

我的混淆矩阵工作正常，只是在生成分数时遇到了一些麻烦。一点帮助会大有帮助。我目前收到错误消息。“张量对象不可调用”。

def get_confused(model_ft):
    nb_classes = 120
    from sklearn.metrics import precision_recall_fscore_support as score
    confusion_matrix = torch.zeros(nb_classes, nb_classes)
    with torch.no_grad():
        for i, (inputs, classes) in enumerate(dataloaders['val']):
            inputs = inputs.to(device)
            classes = classes.to(device)
            outputs = model_ft(inputs)
            _, preds = torch.max(outputs, 1)
            for t, p in zip(classes.view(-1), preds.view(-1)):
                    confusion_matrix[t.long(), p.long()] += 1

            cm = confusion_matrix(classes, preds)
            recall = np.diag(cm) / np.sum(cm, axis = 1)
            precision = np.diag(cm) / np.sum(cm, axis = 0)
    print(confusion_matrix)
    print(confusion_matrix.diag()/confusion_matrix.sum(1))

标签： deep-learningpytorchconfusion-matrix

解决方案

问题在于这条线。

cm = confusion_matrix(classes, preds)

confusion_matrix是张量，你不能像函数一样调用它。因此Tensor is not callable。我也不确定你为什么需要这条线。相反，我认为您会想编写cm= confusion_matrix.cpu().data.numpy()它以使其成为我认为的 numpy 数组。从您的代码来看，似乎cm是np.array.

推荐阅读