如何在pytorch的MultiClass分类模型中预测标签？

Question

我目前正在做我的迷你项目，根据海报预测电影类型。所以在我拥有的数据集中，每部电影可以有 1 到 3 种类型，因此每个实例可以属于多个类。我总共有 15 个课程（15 个流派）。所以现在我面临的问题是如何使用 pytorch 对这个特定问题进行预测。

在 pytorch CIFAR-tutorial 中，每个实例只能有一个类（例如，如果图像是汽车，它应该属于汽车类），总共有 10 个类。所以在这种情况下，模型预测的定义方式如下（从pytorch网站复制代码sn-p）：

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

for epoch in range(2):  # loop over the dataset multiple times

running_loss = 0.0
for i, data in enumerate(trainloader, 0):
    # get the inputs
    inputs, labels = data

    # zero the parameter gradients
    optimizer.zero_grad()

    # forward + backward + optimize
    outputs = net(inputs)
    loss = criterion(outputs, labels)
    loss.backward()
    optimizer.step()

    # print statistics
    running_loss += loss.item()
    if i % 2000 == 1999:    # print every 2000 mini-batches
        print('[%d, %5d] loss: %.3f' %
              (epoch + 1, i + 1, running_loss / 2000))
        running_loss = 0.0

print('完成训练')

问题1（训练部分）。您可以建议将什么用作激活函数。我在考虑 BCEWithLogitsLoss() 但我不确定它会有多好。

然后测试集的预测精度定义如下： 整个网络：

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

对于每个班级：

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs, 1)
        c = (predicted == labels).squeeze()
        for i in range(4):
            label = labels[i]
            class_correct[label] += c[i].item()
            class_total[label] += 1


for i in range(10):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

其中输出如下：

Accuracy of plane : 36 % 
Accuracy of   car : 40 % 
Accuracy of  bird : 30 % 
Accuracy of   cat : 19 % 
Accuracy of  deer : 28 % 
Accuracy of   dog : 17 % 
Accuracy of  frog : 34 % 
Accuracy of horse : 43 % 
Accuracy of  ship : 57 % 
Accuracy of truck : 35 % 

现在是问题 2： 如何确定准确性，使其看起来如下：

例如：

The Matrix (1999)                ['Action: 91%', 'Drama: 25%', 'Adventure: 13%']
The Others (2001)                ['Drama: 76%', 'Horror: 65%', 'Action: 41%']
Alien: Resurrection (1997)       ['Horror: 67%', 'Action: 64%', 'Drama: 43%']
The Martian (2015)               ['Drama: 95%', 'Adventure: 81%']

考虑到每部电影并不总是有 3 种类型，有时是 2，有时是 1。所以在我看来，我应该在输出列表中找到 3 个最大值、2 个最大值或 1 个最大值，即 list 15 种类型，例如，如果

我预测的类型是[电影，冒险]然后

some_kind_of_function(outputs) 应该给我输出

[1 0 0 0 0 0 0 0 0 0 0 1 0 0 0]，

之后我可以将其与 ground_truth 进行比较。 我不认为 torchmax 在这种情况下会起作用，因为它只给出 [weigts array] 中的一个最大值，所以

实现它的最佳方式是什么？

提前谢谢你，感谢任何帮助或建议:)

Answer 1

1. 您是对的，您正在寻找对每个海报类型对执行二元分类（海报 X 是否是戏剧电影？是不是动作片？）。 BinaryCrossEntropy(WithLogits) 是要走的路。
2. 关于评估结果算法的最佳指标，这取决于您，您在寻找什么。但是您可能想调查precision and recall 或f1 score 之类的想法。 就个人而言，我可能会为每种类型选择前 3 名（因为这是分配给每个海报的最大类型数量），并查看预期出现的概率是否很高，以及是否出乎意料（对于具有 2 个“基本事实”类型的电影）显示在最后的位置，分配的概率显着降低。