如何使用 PyTorch 打印出每个类的预测准确率？答案

【问题标题】：How to use PyTorch to print out the prediction accuracy of every class?如何使用 PyTorch 打印出每个类的预测准确率？
【发布时间】：2018-05-15 17:11:37
【问题描述】：

我正在尝试使用PyTorch根据官方教程link打印出每个类的预测准确率

但事情似乎出了问题。我打算做这项工作的代码如下：

    for epoch in range(num_epochs):

    # Each epoch has a training and validation phase
    for phase in ['train', 'val']:
       ... (this is given by the tutorial)

    (my code)

    class_correct = list(0. for i in range(3))
    class_total = list(0. for i in range(3))

    for data in dataloaders['val']:
        images, labels = data
        outputs = model(inputs)
        _, predicted = torch.max(outputs.data, 1)
        c = (predicted == labels.data).squeeze()

        for i in range(4):
            label = labels.data[i]
            class_correct[label] += c[i]
            class_total[label] += 1

    for i in range(3):
        print('Accuracy of {} : {} / {} = {:.4f} %'.format(i, 
class_correct[i], class_total[i], 100 * class_correct[i].item() / 
class_total[i]))

    print(file = f)
    print()

例如，epoch 1/1 的输出是：

我认为应该满足以下等式：

running_corrects := 2 + 2

但事情并没有像我想的那样发生。

那里有什么问题？希望有人能指出我的错误并教我如何正确地做到这一点。

谢谢！

【问题讨论】：

标签： python machine-learning computer-vision pytorch

【解决方案1】：

最后，我解决了这个问题。首先，我比较了两个模型的参数，发现它们是相同的。所以我确认模型是一样的。然后，我检查了两个输入，惊讶地发现它们是不同的。

所以我仔细检查了两个模型的输入，答案是传递给第二个模型的参数没有没有更新。

代码：

for data in dataloaders['val']:
    images, labels = data
    outputs = model(inputs)

改为：

for data in dataloaders['val']:
    inputs, labels = data
    outputs = model(inputs)

完成！

【讨论】：