快捷方式

指标

聚合指标

AUC

使用梯形法则计算曲线下面积 (AUC)。

Cat

沿维度 dim 连接所有输入张量。

Max

计算所有输入张量中所有元素的最大值。

Mean

计算所有输入张量中所有元素的加权平均值。

Min

计算所有输入张量中所有元素的最小值。

Sum

计算所有输入张量中所有元素的加权和。

吞吐量

计算吞吐量值,即每秒处理的元素数量。

分类指标

BinaryAccuracy

计算二元准确率得分,即输入与目标匹配的频率。

BinaryAUPRC

计算 AUPRC,也称为平均精度,即二元分类中精确率召回率曲线下的面积。

BinaryAUROC

计算 AUROC,即二元分类中 ROC 曲线下的面积。

BinaryBinnedAUROC

计算 AUROC,即二元分类中 ROC 曲线下的面积。

BinaryBinnedPrecisionRecallCurve

使用给定阈值计算精确率召回率曲线。

BinaryConfusionMatrix

计算二元混淆矩阵,一个 2x2 的张量,包含计数 ( (真阳性,假阴性) , (假阳性,真阴性) )

BinaryF1Score

计算二元 f1 分数,定义为精确率和召回率的调和平均数。

BinaryNormalizedEntropy

计算预测输入与地面真实二元目标之间的归一化二元交叉熵。

BinaryPrecision

计算二元分类任务的精确率得分,计算方法是真阳性数与真阳性数和假阳性数之和的比率。

BinaryPrecisionRecallCurve

返回二元分类任务的精确率召回率对及其对应的阈值。

BinaryRecall

计算二元分类任务的召回率得分,计算方法是真阳性数与真阳性数和假阴性数之和的比率。

BinaryRecallAtFixedPrecision

返回给定最小精确率的最高可能召回率值,用于二元分类任务。

MulticlassAccuracy

计算准确率得分,即输入与目标匹配的频率。

MulticlassAUPRC

计算 AUPRC,也称为平均精度,即多元分类中精确率召回率曲线下的面积。

MulticlassAUROC

以一对多方式计算多元分类中 ROC 曲线下的面积。

MulticlassBinnedAUROC

计算 AUROC,即多元分类中 ROC 曲线下的面积。

MulticlassBinnedPrecisionRecallCurve

使用给定阈值计算精确率召回率曲线。

MulticlassConfusionMatrix

计算多元混淆矩阵,一个维度为 num_classes x num_classes 的矩阵,其中每个位置 (i,j) 的元素表示真实类别为 i 的样本被预测为类别 j 的数量。

MulticlassF1Score

计算 f1 分数,定义为精确率和召回率的调和平均数。

MulticlassPrecision

计算精确率得分,即真阳性数与真阳性数和假阳性数之和的比率。

MulticlassPrecisionRecallCurve

返回多元分类任务的精确率召回率对及其对应的阈值。

MulticlassRecall

计算召回率得分,即真阳性数与真阳性数和假阴性数之和的比率。

MultilabelAccuracy

计算多标签准确率得分,即输入与目标匹配的频率。

MultilabelAUPRC

计算 AUPRC,也称为平均精度,即多标签分类中精确率召回率曲线下的面积。

MultilabelPrecisionRecallCurve

返回多标签分类任务的精确率召回率对及其对应的阈值。

MultilabelRecallAtFixedPrecision

返回给定最小精确率的最高可能召回率值,以及每个标签及其对应的阈值,用于多标签分类任务。

TopKMultilabelAccuracy

计算多标签准确率得分,即预测的前 k 个标签与目标匹配的频率。

排序指标

ClickThroughRate

根据点击事件计算点击率。

HitRate

计算预测的前几个类别中正确类别的命中率。

ReciprocalRank

计算预测的前几个类别中正确类别的倒数排名。

WeightedCalibration

计算加权校准指标。

回归指标

MeanSquaredError

计算均方误差,即 输入目标 之间平方误差的平均值。

R2Score

计算 R 平方得分,即自变量可以解释因变量方差的比例。

文本指标

BLEUScore

根据翻译和参考计算 BLEU 分数 (https://en.wikipedia.org/wiki/BLEU)。

困惑度

困惑度衡量模型预测样本数据的程度。

WordErrorRate

计算预测的词序列与参考词序列的词错误率。

WordInformationLost

词信息丢失 (WIL) 是自动语音识别系统性能的衡量指标。

WordInformationPreserved

计算预测的词序列与参考词序列的词信息保留率。

窗口化指标

WindowedBinaryAUROC

BinaryAUROC 的窗口化版本。

WindowedBinaryNormalizedEntropy

BinaryNormalizedEntropy 的窗口化版本,提供窗口化值和生命周期值。

WindowedClickThroughRate

ClickThroughRate 的窗口化版本,提供窗口化值和生命周期值。

WindowedMeanSquaredError

MeanSquaredError 的窗口化版本,提供窗口化值和生命周期值。

WindowedWeightedCalibration

计算加权校准指标。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并解答您的问题

查看资源