pytorch计算模型评价指标准确率、精确率、召回率、F1值、AUC的示例代码

以下是一个使用 PyTorch 计算模型评价指标准确率、精确率、召回率、F1 值、AUC 的示例代码：

import torch
import numpy as np
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score

# 假设我们有一个二分类模型，输出为概率值
y_pred = torch.tensor([0.2, 0.8, 0.6, 0.3, 0.9])
y_true = torch.tensor([0, 1, 1, 0, 1])

# 将概率值转换为二分类标签
y_pred = torch.round(y_pred)

# 将 PyTorch 张量转换为 NumPy 数组
y_pred = y_pred.numpy()
y_true = y_true.numpy()

# 计算各项指标
acc = accuracy_score(y_true, y_pred)
precision = precision_score(y_true, y_pred)
recall = recall_score(y_true, y_pred)
f1 = f1_score(y_true, y_pred)
auc = roc_auc_score(y_true, y_pred)

# 输出结果
print("Accuracy: {:.4f}".format(acc))
print("Precision: {:.4f}".format(precision))
print("Recall: {:.4f}".format(recall))
print("F1 score: {:.4f}".format(f1))
print("AUC score: {:.4f}".format(auc))

注意：这只是一个示例代码，实际使用时需要根据具体情况进行修改。