pytorch计算模型评价指标的示例代码

以下是一个使用 PyTorch 计算模型评价指标的示例代码：

import torch
import torch.nn.functional as F

# 定义模型
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 = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 定义数据集
data = torch.randn(100, 10)
target = torch.randint(0, 2, (100,))

# 初始化模型
model = Net()

# 计算模型输出
output = model(data)

# 计算损失函数
loss = F.cross_entropy(output, target)

# 计算准确率
pred = output.argmax(dim=1, keepdim=True)
correct = pred.eq(target.view_as(pred)).sum().item()
accuracy = correct / len(data)

print('Loss:', loss.item())
print('Accuracy:', accuracy)

这个示例代码定义了一个简单的神经网络模型，使用随机数据集进行训练，并计算了模型的损失函数和准确率。