Pytorch：如何找到多标签分类的准确性？答案

【问题标题】：Pytorch: How to find accuracy for Multi Label Classification?Pytorch：如何找到多标签分类的准确性？
【发布时间】：2020-08-14 21:27:45
【问题描述】：

我正在使用 vgg16，其中类数为 3，我可以为一个数据点预测多个标签。

vgg16 = models.vgg16(pretrained=True) vgg16.classifier[6]= nn.Linear(4096, 3)

使用损失函数：nn.BCEWithLogitsLoss()

如果出现单个标签问题，我能够找到准确性，因为

 `images, labels = data
 images, labels = images.to(device), labels.to(device)
 labels = Encode(labels)
 outputs = vgg16(images)
 _, predicted = torch.max(outputs.data, 1)
 total += labels.size(0)
 correct += (predicted == labels).sum().item()
 acc = (100 * correct / total)`

如何找到多标签分类的准确性？

【问题讨论】：

标签： deep-learning pytorch

【解决方案1】：

根据您的问题，vgg16 正在返回原始 logits。所以你可以这样做：

labels = Encode(labels)  # torch.Size([N, C]) e.g. tensor([[1., 1., 1.]])
outputs = vgg16(images)  # torch.Size([N, C])
outputs = torch.sigmoid(outputs)  # torch.Size([N, C]) e.g. tensor([[0., 0.5, 0.]])
outputs[outputs >= 0.5] = 1
accuracy = (outputs == labels).sum()/(N*C)*100

【讨论】：

【解决方案2】：

如果您正在考虑总校正标签的准确性，那么您还应该将 0 分配给与接受的答案相比小于阈值的输出。

见以下代码：

labels = Encode(labels) ## for example, labels = [[1,0,1],[0,1,1]]
N,C = labels.shape

outputs = vgg16(images)
outputs = torch.sigmoid(outputs) ## for example, outputs = [[0.75,0.4,0.9],[0.2,0.6,0.8]]

## for threshold of 0.5 accuracy should be 100% while from accepted answer you will get 66.67% so

outputs[outputs >= 0.5] = 1
outputs[outputs < 0.5] = 0 ## assign 0 label to those with less than 0.5

accuracy = (outputs == labels).sum() / (N*C) * 100

【讨论】：