如何在忽略类中使用 pytorch 闪电精度？

如何解决如何在忽略类中使用 pytorch 闪电精度？

我有一些训练管道，它使用 CrossEntropyLoss 和一个忽略类。

模型输出形状为 log_probs 的 (150,3) - 表示 3 个可能的类，每批 150 个。

label_batch 的形状为 150，并且 torch.max(label_batch) == tensor(3,device='cuda:0')，这意味着有一个额外的类标记为 3，即忽略类.

损失处理得很好：

self._criterion = nn.CrossEntropyLoss(
    reduction='mean',ignore_index=3
)

但准确度指标认为类 3 是有效的，并给出了非常错误的结果：

self.train_acc = pl.metrics.Accuracy()

由于 self.train_acc.update(log_probs,label_batch) 标签而导致的 3 错误结果应该被忽略。

---

如何在忽略类中正确使用 pl.metrics.Accuracy()？

解决方法

复制来自 github 论坛讨论主题的回复 https://github.com/PyTorchLightning/pytorch-lightning/discussions/6890

---

准确度指标目前不支持它，但我们有一个公开 PR 来实现该准确功能 PyTorchLightning/metrics#155

目前你可以做的是计算混淆矩阵，然后根据它忽略一些类（记住，真正的正/正确分类是在混淆矩阵的对角线上找到的）：

ignore_index = 3
metric = ConfusionMatrix(num_classes=3)
confmat = metric(preds,target)
confmat = confmat[:2,:2] # remove last column and row corresponding to class 3
acc = confmat.trace() / confmat.sum()