已经有logits和label，给我一个画ROC和PR曲线的代码

好的，以下是一个使用sklearn和matplotlib库绘制ROC曲线和PR曲线的示例代码：

from sklearn.metrics import roc_curve, roc_auc_score, precision_recall_curve, average_precision_score
import matplotlib.pyplot as plt

# 计算ROC曲线
fpr, tpr, thresholds = roc_curve(labels, logits)
roc_auc = roc_auc_score(labels, logits)

# 绘制ROC曲线
plt.figure(figsize=(8, 6))
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.legend(loc="lower right")
plt.show()

# 计算PR曲线
precision, recall, thresholds = precision_recall_curve(labels, logits)
avg_precision = average_precision_score(labels, logits)

# 绘制PR曲线
plt.figure(figsize=(8, 6))
plt.plot(recall, precision, color='darkorange', lw=2, label='PR curve (average precision = %0.2f)' % avg_precision)
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.title('Precision-Recall curve')
plt.legend(loc="lower right")
plt.show()

其中，`logits`为模型的预测结果，`labels`为样本的真实标签。绘制ROC曲线和PR曲线的过程分别为：

1. 使用`roc_curve`函数计算ROC曲线上的每个点的FPR和TPR以及对应的阈值；
2. 使用`roc_auc_score`函数计算ROC曲线下的面积（AUC）；
3. 使用`precision_recall_curve`函数计算PR曲线上的每个点的Precision和Recall以及对应的阈值；
4. 使用`average_precision_score`函数计算PR曲线下的面积（AP）；
5. 使用`matplotlib`库绘制ROC曲线和PR曲线，并显示在屏幕上。