深度学习案例教程 课件3.4.4手写数字识别测试和评估.pptx

实践任务4-手写数字识别测试和评估模型评估在训练完成以后，为了检验模型的训练结果，可以在测试集上进行验证，通过不同的评估方法来评估。一个分类模型，常见的评估方法是求分类准确率，它能衡量所有类别中预测正确的个数占所有样本的比值。

实践任务4-手写数字识别测试和评估模型评估withtorch.no_grad():

correct=0

total=0

forimages,labelsintest_loader:

images=images.reshape(-1,28*28)

output=model(images)

_,predicted=torch.max(output,1)

total+=labels.size(0)

correct+=(predicted==labels).sum().item()

实践任务4-手写数字识别测试和评估模型评估withtorch.no_grad():

correct=0

total=0

forimages,labelsintest_loader:

images=images.reshape(-1,28*28)

output=model(images)

_,predicted=torch.max(output,1)

total+=labels.size(0)

correct+=(predicted==labels).sum().item()

print(Theaccuracyoftotal{}images:{}%.format(total,100*correct/total))

实践任务4-手写数字识别测试和评估模型评估Theaccuracyoftotal10000images:97.63%上述代码输出：

实践任务4-手写数字识别测试和评估模型评估除了准确率外，还有很多其他的评价指标可以用来评价分类模型的性能，例如精确率、召回率、F1值等。精确率（Precision）：指模型预测为正例中，真正为正例的比例。?其中TP表示真正例的数量，FP表示假正例的数量。

实践任务4-手写数字识别测试和评估模型评估除了准确率外，还有很多其他的评价指标可以用来评价分类模型的性能，例如精确率、召回率、F1值等。召回率（Recall）：指真正为正例中，模型预测为正例的比例。?其中TP表示真正例的数量，FN表示假反例的数量。

实践任务4-手写数字识别测试和评估模型评估除了准确率外，还有很多其他的评价指标可以用来评价分类模型的性能，例如精确率、召回率、F1值等。F1值：综合考虑精确率和召回率，是精确率和召回率的调和平均数。?

实践任务4-手写数字识别测试和评估模型评估fromsklearn.metricsimportprecision_score,recall_score,f1_scorewithtorch.no_grad():correct=0total=0true_labels=[]pred_labels=[]forimages,labelsintest_loader:images=images.reshape(-1,28*28)output=model(images)_,predicted=torch.max(output,1)total+=labels.size(0)correct+=(predicted==labels).sum().item()true_labels.extend(labels.tolist())pred_labels.extend(predicted.tolist())

实践任务4-手写数字识别测试和评估模型评估fromsklearn.metricsimportprecision_score,recall_score,f1_scorewithtorch.no_grad():correct=0total=0true_labels=[]pred_labels=[]forimages,labelsintest_