基于pytorch的一维数据的五分类混淆矩阵代码

以下是基于 PyTorch 的一维数据的五分类混淆矩阵代码示例：

import torch
import numpy as np

# 假设有 100 个样本，每个样本的分类标签为 0, 1, 2, 3, 4 中的一个
y_true = torch.randint(low=0, high=5, size=(100,))

# 假设模型预测的分类为随机值，模拟混淆矩阵
y_pred = torch.randint(low=0, high=5, size=(100,))

# 计算混淆矩阵
confusion_matrix = torch.zeros(5, 5)
for i in range(len(y_true)):
    confusion_matrix[y_true[i], y_pred[i]] += 1

# 输出混淆矩阵
print("Confusion Matrix:")
print(confusion_matrix)

该代码首先生成了 100 个随机标签的样本，以及一个随机预测的分类结果。然后，通过循环计算出混淆矩阵，并输出结果。

需要注意的是，该代码仅适用于一维数据的情况。对于多维数据，需要对每一个维度进行类似的计算。同时，该代码中假设分类标签为 0, 1, 2, 3, 4，如有需要，可以根据实际情况进行修改。