二分类问题，已知测试集所有的logits，真实标签，给我一段画ROC和PR曲线的代码

好的，以下是基于Python的代码示例，可以根据测试集所有的logits和真实标签，绘制ROC曲线和PR曲线：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc, precision_recall_curve, average_precision_score

# 假设测试集所有的logits保存在y_score中，真实标签保存在y_true中
y_score = np.array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
y_true = np.array([0, 0, 0, 0, 1, 1, 1, 1, 1])

# 计算ROC曲线和AUC值
fpr, tpr, thresholds = roc_curve(y_true, y_score)
roc_auc = auc(fpr, tpr)

# 计算PR曲线和AP值
precision, recall, thresholds = precision_recall_curve(y_true, y_score)
average_precision = average_precision_score(y_true, y_score)

# 绘制ROC曲线
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.legend(loc="lower right")
plt.show()

# 绘制PR曲线
plt.figure()
plt.step(recall, precision, color='b', alpha=0.2, where='post')
plt.fill_between(recall, precision, step='post', alpha=0.2, color='b')
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.ylim([0.0, 1.05])
plt.xlim([0.0, 1.0])
plt.title('Precision-Recall curve: AP={0:0.2f}'.format(average_precision))
plt.show()

在这段代码中，首先使用`roc_curve()`函数计算出FPR、TPR和阈值，然后使用`auc()`函数计算出ROC曲线下的面积（AUC值）。接着使用`precision_recall_curve()`函数计算出Recall、Precision和阈值，然后使用`average_precision_score()`函数计算出PR曲线下的面积（AP值）。最后，使用Matplotlib库绘制ROC曲线和PR曲线。