1、計算F1-Score

對于二分類來說，假設batch size 大小為64的話，那么模型一個batch的輸出應該是torch.size([64,2])，所以首先做的是得到這個二維矩陣的每一行的最大索引值，然后添加到一個列表中，同時把標簽也添加到一個列表中，最后使用sklearn中計算F1的工具包進行計算，代碼如下

import numpy as np
import sklearn.metrics import f1_score
prob_all = []
lable_all = []
for i, (data,label) in tqdm(train_data_loader):
    prob = model(data) #表示模型的預測輸出
    prob = prob.cpu().numpy() #先把prob轉到CPU上，然后再轉成numpy，如果本身在CPU上訓練的話就不用先轉成CPU了
    prob_all.extend(np.argmax(prob,axis=1)) #求每一行的最大值索引
    label_all.extend(label)
print("F1-Score:{:.4f}".format(f1_score(label_all,prob_all)))

2、計算AUC

計算AUC的時候，本次使用的是sklearn中的roc_auc_score () 方法

輸入參數：

y_true：真實的標簽。形狀 (n_samples，) 或 (n_samples, n_classes)。二分類的形狀 (n_samples，1)，而多標簽情況的形狀 (n_samples, n_classes)。

y_score：目標分數。形狀 (n_samples，) 或 (n_samples, n_classes)。二分類情況形狀 (n_samples，1)，“分數必須是具有較大標簽的類的分數”，通俗點理解：模型打分的第二列。舉個例子：模型輸入的得分是一個數組 [0.98361117 0.01638886]，索引是其類別，這里 “較大標簽類的分數”，指的是索引為 1 的分數：0.01638886，也就是正例的預測得分。

average='macro'：二分類時，該參數可以忽略。用于多分類，' micro '：將標簽指標矩陣的每個元素看作一個標簽，計算全局的指標。' macro '：計算每個標簽的指標，并找到它們的未加權平均值。這并沒有考慮標簽的不平衡。' weighted '：計算每個標簽的指標，并找到它們的平均值，根據支持度 (每個標簽的真實實例的數量) 進行加權。

sample_weight=None：樣本權重。形狀 (n_samples，)，默認 = 無。

max_fpr=None：

multi_class='raise'：(多分類的問題在下一篇文章中解釋)

labels=None：

輸出：

auc：是一個 float 的值。

import numpy as np
import sklearn.metrics import roc_auc_score
prob_all = []
lable_all = []
for i, (data,label) in tqdm(train_data_loader):
    prob = model(data) #表示模型的預測輸出
    prob_all.extend(prob[:,1].cpu().numpy()) #prob[:,1]返回每一行第二列的數，根據該函數的參數可知，y_score表示的較大標簽類的分數，因此就是最大索引對應的那個值，而不是最大索引值
    label_all.extend(label)
print("AUC:{:.4f}".format(roc_auc_score(label_all,prob_all)))

補充：pytorch訓練模型的一些坑

1. 圖像讀取

opencv的python和c++讀取的圖像結果不一致，是因為python和c++采用的opencv版本不一樣，從而使用的解碼庫不同，導致讀取的結果不同。

2. 圖像變換

PIL和pytorch的圖像resize操作，與opencv的resize結果不一樣，這樣會導致訓練采用PIL，預測時采用opencv，結果差別很大，尤其是在檢測和分割任務中比較明顯。

3. 數值計算

pytorch的torch.exp與c++的exp計算，10e-6的數值時候會有10e-3的誤差，對于高精度計算需要特別注意，比如

兩個輸入5.601597， 5.601601， 經過exp計算后變成270.85862343143174， 270.85970686809225

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。