Pytorch-计算精度UNet多类细分

Question

我正在尝试在pytorch的UNet模型上运行以进行多类图像分割。我发现在线模型的体系结构显然可以正常工作……我有100个类，我的输入对应于张量大小[8、3、32、32]，我的标签是[8、32、32]，并且预期我的输出是[8，100，32，32]。

我想为每次迭代计算精度，所以我遵循以下代码来计算精度：

def multi_acc(pred, label):
    probs = torch.log_softmax(pred, dim = 1)
    _, tags = torch.max(probs, dim = 1)
    corrects = (tags == label).float()
    acc = corrects.sum()/len(corrects)
    acc = torch.round(acc)*100
    return acc

但是当我进行培训时，我得到的准确度总是与：]相同。

 Epoch : [2] [1/38311] Loss : 0.3168763518333435
 Acc: 102400.0
 Epoch : [2] [2/38311] Loss : 0.31527179479599
 Acc: 102400.0
 Epoch : [2] [3/38311] Loss : 0.2920961081981659
 Acc: 102400.0
而且它继续这样下去...如果有人有一个更好地理解的想法，那就太好了！

感谢您的回答。

我正在尝试在pytorch的UNet模型上运行以进行多类图像分割。我发现在线模型的体系结构显然可以正常工作...我有100个类，我的输入是对应的...

Answer 1

您使用以下方法计算准确性：

Answer 2

def multi_acc(pred, label):
    _, tags = torch.max(pred, dim = 1)
    corrects = (tags == label).float()
    acc = corrects.sum() / corrects.numel()
    acc = acc * 100
    return acc

是3维数组（批处理，宽度，高度）或类似的东西。当您调用corrects时，acc = corrects.sum() / len(corrects)返回张量的第一维数