pytorch 评价指标

PyTorch提供了一些常用的评价指标来衡量模型的性能。以下是一些常见的PyTorch评价指标：

1. 准确率（Accuracy）：准确率是最常用的评价指标之一，用来衡量分类模型的性能。它表示模型在预测中正确分类的样本比例。

2. 精确率（Precision）：精确率衡量的是模型预测为正样本的样本中，实际为正样本的比例。它可以用来评估模型的预测质量。

3. 召回率（Recall）：召回率衡量的是实际为正样本的样本中，被模型正确预测为正样本的比例。它可以用来评估模型对于正样本的检测能力。

4. F1分数（F1-score）：F1分数是精确率和召回率的调和平均值。它综合考虑了模型的精确率和召回率，并可以用来评估模型在不同类别上的性能。

5. 均方根误差（Root Mean Squared Error，RMSE）：均方根误差是回归模型中常用的评价指标。它表示模型预测值与真实值之间的差异程度，越小越好。