# 进行测试 with torch.no_grad(): # 测试模式 model.eval() # 计算测试集上的损失 test_loss = 0 for i in range(len(input_test)): inputs = input_test[i] outputs = model(inputs) labels = output_test[i] # 计算损失 loss = criterion(outputs, labels) test_loss += loss.item() # 输出模拟值outputs print(f'Output{i}', outputs) print('Test Loss: %.4f' % (test_loss / len(input_test))) 对于这段代码，我想将每一步的outputs都以excel表格的形式输出，每个表格的命名方式为test_output_pred(i)

可以使用Python中的pandas库将输出数据保存为Excel表格。

首先，你需要导入pandas库。在代码开头添加以下语句：

import pandas as pd

然后，可以在for循环中添加如下代码：

# 将输出数据保存为DataFrame对象
df = pd.DataFrame(outputs.detach().numpy(), columns=['predictions'])

# 将DataFrame对象保存为Excel文件
df.to_excel(f'test_output_pred{i}.xlsx', index=False)

这将使用detach()方法将输出数据从张量中分离出来，并将其转换为NumPy数组。然后，将其保存为包含一个列名为“predictions”的DataFrame对象。最后，将DataFrame对象保存为Excel文件，文件名使用f字符串来动态生成。

完整代码如下：

import pandas as pd

with torch.no_grad():
    # 测试模式
    model.eval()
    # 计算测试集上的损失
    test_loss = 0
    for i in range(len(input_test)):
        inputs = input_test[i]
        outputs = model(inputs)
        labels = output_test[i]
        # 计算损失
        loss = criterion(outputs, labels)
        test_loss += loss.item()
        # 输出模拟值outputs
        print(f'Output{i}', outputs)
        # 将输出数据保存为DataFrame对象
        df = pd.DataFrame(outputs.detach().numpy(), columns=['predictions'])
        # 将DataFrame对象保存为Excel文件
        df.to_excel(f'test_output_pred{i}.xlsx', index=False)
    print('Test Loss: %.4f' % (test_loss / len(input_test)))

这将在每次循环时将输出数据保存为Excel文件，文件名为test_output_pred(i).xlsx。