pytorch混淆矩阵

PyTorch中的混淆矩阵是用于评估分类模型性能的常见工具。它是一个正方形的矩阵，其中行表示实际类别，列表示预测类别。混淆矩阵的对角线上的元素表示正确分类的样本数量，而其他元素表示错误分类的样本数量。

在PyTorch中，可以使用sklearn库中的`confusion_matrix`函数来计算混淆矩阵。以下是一个示例代码：

import torch
from sklearn.metrics import confusion_matrix

# 假设有真实标签和预测标签
true_labels = [0, 1, 2, 1, 0]
predicted_labels = [0, 2, 2, 1, 0]

# 将标签转换为Tensor
true_tensor = torch.tensor(true_labels)
predicted_tensor = torch.tensor(predicted_labels)

# 计算混淆矩阵
confusion = confusion_matrix(true_tensor, predicted_tensor)

print(confusion)

运行此代码将输出混淆矩阵：

[[2 0 0]
 [0 2 0]
 [0 1 0]]

这个混淆矩阵表示了3个类别的分类结果。对角线上的元素2表示正确分类的数量，其他元素表示错误分类的数量。