pytorch 公制收集 Torch 中输入的类别数和形状之间的问题

nx7onnlm 于 2022-11-09 发布在其他

关注(0)|答案(2)|浏览(210)

我有一个问题，因为我想计算一些指标在torchmetrics.但有一个问题：

ValueError: The implied number of classes (from shape of inputs) does not match num_classes.

输出来自UNet，损失函数为BCEWithLogitsLoss（二进制分段）
通道= 1，因为灰度img
输入形状：（批次大小，通道，h，w）torch.float32
标签形状：（批次大小，通道，h，w）torch.float32用于BCE
输出图形：（批次大小、通道、h、w）：torch.float32

inputs, labels = batch
outputs = model(input)
loss = self.loss_function(outputs, labels)
prec = torchmetrics.Precision(num_classes=1)(outputs, labels.type(torch.int32)

pytorch

来源：https://stackoverflow.com/questions/72928902/issue-between-number-of-classes-and-shape-of-inputs-in-metric-collection-torch

2条答案

按热度按时间

ego6inou1#

torchmetrics似乎需要不同的形状。请尝试将输出和标签都平面化：

prec = torchmetrics.Precision(num_classes=1)(outputs.view(-1), labels.type(torch.int32).view(-1))

赞(0）回复(0）举报 2022-11-09

0vvn1miw2#

我使用Torchmetrics库来计算分割任务的F1得分、精确度和召回率;当我遇到上述错误时，我试图获得我的两个单独类的F1分数，这个解决方案有效，但首先我必须将“multi_class=True”设置为“num_classes=2”

torchmetrics_f1_none = torchmetrics.classification.F1Score(average=None, num_classes=2, multiclass=True) 

f1_0, f1_1 = torchmetrics_f1_none(thres_out.view(-1), masks.int().view(-1)) 

print("F1 Score for Background - {}, F1 Score for Foreground - {} \n".format(f1_0, f1_1))

赞(0）回复(0）举报 2022-11-09

我来回答

pytorch 公制收集 Torch 中输入的类别数和形状之间的问题

2条答案

相关问题

热门标签

最新问答