如何修复我的分类器的类精度

Question

我正在尝试查看我的图像分类器对每类数据的准确性。但是，我是一个初学者，我正在尝试使用 Pytorch 教程提供的代码来训练分类器。 当我运行代码时：

class_correct = list(0. for i in range(7))
class_total = list(0. for i in range(7))
with torch.no_grad():
    for data in test_loader:
        images, labels = data
        outputs = network(images)
        print(outputs.shape)
        _, predicted = torch.max(outputs, 1)
        c = (predicted == labels.argmax(dim=1)).squeeze()
        print(c.shape)
        for i in range(5):
            label = labels[i]
            class_correct[label] += c[i].item()
            class_total[label] += 1
for i in range(7):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

" 出现以下错误：

torch.Size([100, 7])
torch.Size([100])
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-73-b4cabf540645> in <module>
     11         for i in range(5):
     12             label = labels[i]
---> 13             class_correct[label] += c[i].item()
     14             class_total[label] += 1
     15 for i in range(7):

TypeError: only integer tensors of a single element can be converted to an index

我知道问题出在标签张量上，但我不知道如何解决。 非常感谢任何帮助！ 先谢谢大家了

在上一个单元格中，我运行了下面提供的代码以获得有效的整体准确性，但我在获取每个类的准确性时遇到了问题。

correct = 0
total = 0
with torch.no_grad():
    for data in test_loader:
        images, labels = data
        outputs = network(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels.float().argmax(dim=1)).sum().item()

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

Answer 1

我无法在手上运行您的代码，所以我只是在猜测.. 但是

我认为变量label不是int类型。

#label = labels[i]
label = int(labels[i])

希望对你有帮助

---

对不起，其实我没有对你的问题给予足够的重视。我又读了一遍你的代码。

希望对你有帮助。

label_index = labels.argmax(dim=1)
for i in range(labels.size(0)):
    #label = labels[i]
    label = label_index[i]
    class_correct[label] += c[i].item()
    class_total[label] += 1

关键点：变量标签是概率函数或one-hot编码。您需要获取最大值的索引。

我真的希望它有效...!!