如何使用pytorch评估和获得前馈神经网络的准确性

Question

我开始使用Pytorch，目前正在一个项目中，我正在使用简单的前馈神经网络进行线性回归。问题是我在Pytorch中找不到任何东西可以像Keras或SKlearn中那样获得线性回归模型的精度。在keras中，仅需在编译功能中设置metrics=["accuracy"]就很简单。我在Pytorch的文档和官方网站中进行了搜索，但没有找到任何东西。似乎该API在Pytorch中不存在。我知道我可以在训练过程中观察损失，也可以简单地得到测试损失，并据此知道损失是否减少了，但是我想使用Keras结构来获得损失值和准确度值。 Keras的方法看起来更加清晰。我还尝试使用sklearn的r2_score实现精度函数，但它给了我一些奇怪的值：

criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=1e-3, momentum=0.9)

def train(model, optimizer, loss_fn):
    def train_step(x, y):
        model.train()
        optimizer.zero_grad()
        out = model(x)
        loss = loss_fn(out, y)
        loss.backward()
        optimizer.step()
        return loss.item()
    return train_step

def fit(epochs=100):
    train_func = train(model, optimizer, criterion)
    count, total = 0, 0
    loss_list, accuracy_list, iters = [], [], []
    for e in range(epochs):
        for X, y in train_loader:
            loss = train_func(X, y)
            count += 1
            total += len(y)
            if count % 50 == 0:
                print("loss= ", loss)
                loss_list.append(loss)
                iters.append(total)

            if count % 100 == 0:
                model.eval()   # im not sure if we can do this in pytorch. I mean evaluating the model while training! it would be great if you tell me whether this is ok or not
                out = model(X)
                out = out.detach().numpy()
                y = y.detach().numpy()
                accuracy = r2_score(y, out)   # r2_score is the scikit learn r2 score function.
                print("accuracy = ", accuracy)   # here i get wierd values and it doesn't get better over time, in contrast the loss decreased over time
                accuracy_list.append(accuracy)

    return iters, loss_list, accuracy_list

我知道在分类问题的情况下如何实现精度功能，因为它使用离散值。这对我来说很清楚，因为实现起来很简单明了。我只能查看模型做出了哪个正确的预测，然后计算准确性。但是在这种情况下，我具有连续的值，所以这就是为什么我自己无法实现该功能，并且令Pytorch对此没有内置功能，这令我感到惊讶。所以有人可以告诉我如何实现它，或在哪里找到它的实现？

另一件事是在哪里使用评估，以及在何处通过调用eval函数在评估模式下设置模型。我应该像在《守则》中一样在训练过程中使用它，还是应该训练然后在训练后进行测试；如果我在训练过程中进行测试，我应该像在那儿一样调用eval函数，否则当循环返回训练时会影响训练模式？我在Pytorch中也找不到它，这是交叉验证。如果没有像Keras这样的API，我应该如何在pytorch中实现它？

Answer 1

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

查看更多信息：https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html