主要介绍torchnet中的常用模块方法

github网址：https://github.com/facebookarchive/torchnet

import torchnet as tnt

acc_meter = tnt.meter.ClassErrorMeter(accuracy=True) #计算精度

loss_meter = tnt.meter.AverageValueMeter() #计算存储数据的均值和标准差

（1）acc_meter使用示例

pred=torch.Tensor([[0.5,0.3,0.4],[0.1,0.4,0.8],[0.6,0.8,0.9]]) #预测标签[0,2,2]

y = torch.Tensor([0,1,2])

acc_meter.add(pred, y)

pred1=torch.Tensor([[0.5,0.3,0.4],[0.1,0.4,0.8],[0.6,0.8,0.9]]) #预测标签[0,2,2]

y1 = torch.Tensor([0,1,2])

acc_meter.add(pred1, y1)

pred2=torch.Tensor([[0.5,0.3,0.4],[0.1,0.8,0.2],[0.6,0.8,0.9]]) #预测标签[0,1,2]

y2 = torch.Tensor([0,1,2])

acc_meter.add(pred2, y2)

acc_meter.value() #返回结果是三个预测结果的精度平均值

Out[42]: [77.77777777777779]

（2）loss_meter使用示例

from torchnet import meter

loss_meter = meter.AverageValueMeter()

loss_meter.reset()

for i in range(10):

    loss_meter.add(i)

loss_meter.value() #返回存储数据的均值和标准差

Out[11]: (4.5, 3.0276503540974917) #均值，标准差

点滴分享，福泽你我！Add oil！