用 pytorch 写八分类的 f1 score 代码，最后生成柱状图

好的，以下是用 PyTorch 实现八分类的 F1-Score 并生成柱状图的代码：

import torch
import numpy as np
from sklearn.metrics import f1_score
import matplotlib.pyplot as plt

# 生成随机标签和预测值
labels = np.random.randint(low=0, high=8, size=(100,))
preds = np.random.randint(low=0, high=8, size=(100,))

# 将标签和预测值转换为 tensor
labels_tensor = torch.from_numpy(labels)
preds_tensor = torch.from_numpy(preds)

# 计算 F1-Score
f1 = f1_score(labels, preds, average=None)

# 打印每个类别的 F1-Score
for i in range(len(f1)):
    print(f"F1-Score of class {i}: {f1[i]}")

# 生成柱状图
plt.bar(range(len(f1)), f1)
plt.title("F1-Score of each class")
plt.xlabel("Class")
plt.ylabel("F1-Score")
plt.show()

在这个例子中，我们首先生成了 100 个随机的标签和预测值。然后，我们将它们转换为 PyTorch 的 tensor，并使用 `f1_score` 函数来计算每个类别的 F1-Score。最后，我们使用 Matplotlib 库生成了柱状图来可视化每个类别的 F1-Score。