accuracy = (torch.abs(output[test_mask].float() - drug_graph_label[test_mask].float()) < eps).sum() / (drug_graph_label[test_mask].shape[0]) print("Epoch [{}/{}], train loss: {:.4f}, test accuracy: {:.4f}".format(epoch + 1, epochs, loss.item(), accuracy)) 将这里的accuracy的指标改成spearman

要将这里的accuracy指标改成spearman，需要对输出和标签进行秩相关系数计算。可以使用Scipy库中的spearmanr函数来计算，代码如下：

from scipy.stats import spearmanr

# 计算秩相关系数
rho, _ = spearmanr(output[test_mask], drug_graph_label[test_mask])
print("Epoch [{}/{}], train loss: {:.4f}, test rho: {:.4f}".format(epoch + 1, epochs, loss.item(), rho))

这里的`output`是神经网络模型的输出，`drug_graph_label`是标签，`test_mask`是测试集的掩码。计算出的`rho`即为Spearman相关系数。