基于pytorch，帮我写一段代码用于实现混淆矩阵。对分类神经网络模型进行评估

好的，以下是基于 PyTorch 实现混淆矩阵的代码：

import torch
import numpy as np
from sklearn.metrics import confusion_matrix

# 定义分类神经网络模型
class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = torch.nn.Linear(10, 5)
        self.fc2 = torch.nn.Linear(5, 2)

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 定义评估函数
def evaluate(model, dataloader):
    model.eval()
    y_true = []
    y_pred = []
    with torch.no_grad():
        for inputs, labels in dataloader:
            outputs = model(inputs)
            _, predicted = torch.max(outputs.data, 1)
            y_true.extend(labels.numpy())
            y_pred.extend(predicted.numpy())
    return y_true, y_pred

# 生成数据
X = np.random.rand(100, 10)
y = np.random.randint(, 2, 100)

# 转换为 PyTorch 的 Tensor
X_tensor = torch.from_numpy(X).float()
y_tensor = torch.from_numpy(y).long()

# 定义数据集和数据加载器
dataset = torch.utils.data.TensorDataset(X_tensor, y_tensor)
dataloader = torch.utils.data.DataLoader(dataset, batch_size=10)

# 初始化模型
model = Net()

# 评估模型
y_true, y_pred = evaluate(model, dataloader)

# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
print(cm)

以上代码可以对分类神经网络模型进行评估，并输出混淆矩阵。