torcheval.metrics.BinaryAccuracy

class torcheval.metrics.BinaryAccuracy(*, threshold: float = 0.5, device: device | None = None)

计算二元准确率得分，即输入与目标匹配的频率。其函数版本为 torcheval.metrics.functional.binary_accuracy()。

参数：

threshold (float, 默认值 0.5) – 用于将输入转换为每个样本预测标签的阈值。 torch.where(input < threshold, 0, 1) 将应用于 input。

示例

>>> import torch
>>> from torcheval.metrics import BinaryAccuracy
>>> metric = BinaryAccuracy()
>>> input = torch.tensor([0, 0, 1, 1])
>>> target = torch.tensor([1, 0, 1, 1])
>>> metric.update(input, target)
>>> metric.compute()
tensor(0.75)  # 3 / 4


>>> metric = BinaryAccuracy(threshold=0.7)
>>> input = torch.tensor([0, 0.2, 0.6, 0.7])
>>> target = torch.tensor([1, 0, 1, 1])
>>> metric.update(input, target)
>>> metric.compute()
tensor(0.5)  # 2 / 4

__init__(*, threshold: float = 0.5, device: device | None = None) → None

初始化一个指标对象及其内部状态。

使用 self._add_state() 初始化指标类的状态变量。状态变量应为 torch.Tensor、torch.Tensor 列表、值为 torch.Tensor 的字典或 torch.Tensor 的 deque。

方法

__init__(*[, threshold, device])	初始化一个指标对象及其内部状态。
计算()	返回准确率得分。
load_state_dict(state_dict[, strict])	从 state_dict 加载指标状态变量。
merge_state(metrics)	实现此方法以更新当前指标的状态变量，使其成为当前指标和输入指标的合并状态。
重置()	将指标状态变量重置为其默认值。
state_dict()	在 state_dict 中保存指标状态变量。
to(device, *args, **kwargs)	将指标状态变量中的张量移动到设备。
update(input, target)	使用真实标签和预测更新状态。

属性

设备	Metric.to() 的最后一个输入设备。