Pytorch AllenNLP 2.0:Can'；无法运行FBetaMultiLabelMeasure

我想计算用allen nlp训练的分类器的f1分数。我使用了allen nlp指南中的工作代码，该代码计算精度，而不是F1，因此我尝试调整代码中的度量

根据文档，并采用相同的输入。（预测：

torch.Tensor

形状

[批次大小，…，数量等级]

，金色标签：

torch.Tensor

形状

[批次大小，…]

）

但由于某些原因，当输入f1多标签度量值时，对精度非常有效的输入会导致运行时错误

我将问题压缩为以下代码段：

>>> from allennlp.training.metrics import CategoricalAccuracy, FBetaMultiLabelMeasure
>>> import torch
>>> labels = torch.LongTensor([0, 0, 2, 1, 0])
>>> logits = torch.FloatTensor([[ 0.0063, -0.0118,  0.1857], [ 0.0013, -0.0217,  0.0356], [-0.0028, -0.0512,  0.0253], [-0.0460, -0.0347,  0.0400], [-0.0418,  0.0254,  0.1001]])
>>> labels.shape
torch.Size([5])
>>> logits.shape
torch.Size([5, 3])
>>> ca = CategoricalAccuracy()
>>> f1 = FBetaMultiLabelMeasure()
>>> ca(logits, labels)
>>> f1(logits, labels)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File ".../lib/python3.8/site-packages/allennlp/training/metrics/fbeta_multi_label_measure.py", line 130, in __call__
true_positives = (gold_labels * threshold_predictions).bool() & mask & pred_mask
RuntimeError: The size of tensor a (5) must match the size of tensor b (3) at non-singleton dimension 1

>>来自allennlp.training.metrics导入分类准确性，FBETAMILIBELMEASURE
>>>进口火炬
>>>标签=火炬长传感器（[0,0,2,1,0]）
>>>罗吉斯=火炬浮动张量（[0.0063，-0.0118,0.1857]，[0.0013，-0.0217,0.0356]，-0.0028，-0.0512,0.0253]，-0.0460，-0.0347,0.0400]，-0.0418,0.0254,0.1001]）
>>>标签.形状
火炬尺寸（[5]）
>>>罗吉斯·夏普酒店
火炬尺寸（[5,3]）
>>>ca=分类准确度（）
>>>f1=FBetaMultiLabelMeasure（）
>>>ca（登录、标签）
>>>f1（登录、标签）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“../lib/python3.8/site packages/allennlp/training/metrics/fbeta\u multi\u label\u measure.py”，第130行，在调用中__
真正=（黄金标签*阈值预测）。bool（）&掩码和pred\u掩码
RuntimeError：张量a（5）的大小必须与张量b（3）在非单态维度1的大小相匹配

---

为什么会发生这种错误？我在这里遗漏了什么？

您想使用

FBetaMeasure

，而不是

FBetaMultiLabelMeasure

。“多标签”意味着您可以指定多个正确答案，但“分类准确性”只允许一个正确答案。这意味着您必须在标签中指定另一个标注

---

我怀疑

FBetaMultiLabelMeasure

的文档有误导性。我会研究修复它。

我在这里为文档做了修复：