基于pytorchde混淆矩阵求出五分类的每一类准确率代码

以下是一个示例代码，用于计算基于 PyTorch 的五分类任务的混淆矩阵和每一类的准确率：
import torch
from sklearn.metrics import confusion_matrix

# 假设有五个类别，y_true 和 y_pred 分别是真实标签和预测标签
y_true = torch.tensor(y_true)
y_pred = torch.argmax(y_pred, dim=1)

conf_mat = confusion_matrix(y_true, y_pred)

# 计算每一类的准确率
acc_class = []
for i in range(5):
acc = conf_mat[i, i] / sum(conf_mat[i, :])
acc_class.append(acc)
登录后复制
这里使用了 torch.argmax 函数来获取预测概率最大的标签，然后使用 sklearn.metrics 库中的 confusion_matrix 函数来计算混淆矩阵，最后遍历每一行计算准确率。注意，这里假设有五个类别，如果你的任务中类别数量不同，需要相应地修改代码。