Python 每个历元后的平均精度

我试图在每个时代结束后计算模型的准确性。在每个历元之后，我想计算上一历元的精度。模型似乎只打印与平均测试误差相同的值

model.eval（）
对于图像，TQM中的路径（加载程序测试）：
images=images.to（设备）
targets=torch.tensor（[metadata['count'][os.path.split（path）[-1]]表示路径中的路径]）#B
targets=targets.float（）.to（设备）
#向前传球：
输出=模型（图像）#B x 1 x 9 x 9（类似于热图）
preds=output.sum（dim=[1,2,3]）#预测的单元计数（长度为B的向量）
#日志记录：
损失=火炬平均值（（preds-目标）**2）
count_error=torch.abs（preds-targets）.mean（）
平均测试误差+=计数误差
writer.add\u scalar（'test\u loss'，loss.item（），global\u step=global\u step）
writer.add\u scalar（'test\u count\u error'，count\u error.item（），global\u step=global\u step）
全局步数+=1
平均精度=0
平均测试误差=平均测试误差/透镜（装载机测试）
writer.add_scalar（'mean_test_error'，mean_test_error.item（），global_step=global_step）
平均精度+=平均测试误差
平均精度=平均精度/透镜（装载机测试）
打印（“平均精度：%f”%Average\u精度）
打印（“测试计数错误：%f”%mean\u Test\u error）
如果平均测试误差<最佳测试误差：
最佳检验误差=平均检验误差
torch.save（{'state_dict'：model.state_dict（），
“optimizer\u state\u dict”：optimizer.state\u dict（），
“全局步骤”：全局步骤，
“train\u路径”：dataset\u train.files，
“测试路径”：数据集\u test.files}，检查点\u路径）

如果您的模型是分类器，则计算精度如下所示：

acc = (pred.max(dim=1) == target).float().mean()

其中：

pred.shape =  (batch_size, n_classes)
target.shape = (batch_size)

pred.shape = (batch_size, chanels, ...) 
target.shap = (batch_size, chanels, ...)

最近有人提出了一个类似的问题：

但是，您正在使用MSE损耗来训练您的网络。这是一个回归损失。对于分类问题，CrossEntropyLoss是转到选项：

如果您正在解决回归任务。准确度通常由阈值定义。如果预测结果与实际情况有一定偏差，则会予以考虑，而其他预测则不会。在这种情况下，计算如下：

errors = (pred - target) ** 2  # Squared error
acc = (errors < threshold).float().mean()
error = errors.mean()

---

它是否与您正在寻找的类似？

如果您的模型是一个分类器，则计算精度如下所示：

acc = (pred.max(dim=1) == target).float().mean()

其中：

pred.shape =  (batch_size, n_classes)
target.shape = (batch_size)

pred.shape = (batch_size, chanels, ...) 
target.shap = (batch_size, chanels, ...)

最近有人提出了一个类似的问题：

但是，您正在使用MSE损耗来训练您的网络。这是一个回归损失。对于分类问题，CrossEntropyLoss是转到选项：

如果您正在解决回归任务。准确度通常由阈值定义。如果预测结果与实际情况有一定偏差，则会予以考虑，而其他预测则不会。在这种情况下，计算如下：

errors = (pred - target) ** 2  # Squared error
acc = (errors < threshold).float().mean()
error = errors.mean()

---

它是否与您所寻找的类似？

此应用程序的准确度定义是什么？它是在显微镜图像中预测正确的细胞计数。这是一项分类任务？看起来你正在使用回归模型。关于使用计算机视觉计算东西：有纸和代码，你可以用它作为灵感来帮助你的项目。这个应用程序的准确度定义是什么？它是在显微镜图像中预测正确的细胞数。这是一项分类任务吗？看起来你正在使用一个回归模型。关于使用计算机视觉计算东西：那里有纸和代码，你可以用它作为灵感来帮助你的项目。非常感谢你的帮助。我相信，我试图解决的任务是回归任务。如果我错了，请告诉我。基本上，我试图预测显微镜图像中细胞的数量。我为模型提供了事实依据。我的代码已经计算了每个历元结束后的平均测试误差。如果我存储了平均测试误差的值，然后除以长度（test_loader），这不会给我提供总体精度吗？@Browed1983（如果答案对您有用，您可以向上投票，如果它解决了您的问题，您可以使用复选标记）。对于回归任务，准确度并没有很好的定义。。。它所要做的就是在0%到100%之间。因此，您可以自由定义它，因为它对您的任务来说是最直观的。非常感谢您的帮助。那真的很有用。如果我想要整个模型的精度，我需要将每个历元的精度除以历元总数或数据集的长度。非常感谢您的帮助。我相信，我试图解决的任务是回归任务。如果我错了，请告诉我。基本上，我试图预测显微镜图像中细胞的数量。我为模型提供了事实依据。我的代码已经计算了每个历元结束后的平均测试误差。如果我存储了平均测试误差的值，然后除以长度（test_loader），这不会给我提供总体精度吗？@Browed1983（如果答案对您有用，您可以向上投票，如果它解决了您的问题，您可以使用复选标记）。对于回归任务，准确度并没有很好的定义。。。它所要做的就是在0%到100%之间。因此，您可以自由定义它，因为它对您的任务来说是最直观的。非常感谢您的帮助。那真的很有用。如果我想要整个模型的精度，我需要将每个历元的精度除以历元总数或数据集的长度。