AP和mAP 计算:sklearn.metrics.average_precision_score()
发布日期:2021-07-01 04:36:58
浏览次数:3
分类:技术文章
本文共 1011 字,大约阅读时间需要 3 分钟。
sklearn.metrics.average_precision_score(y_true, y_score, average=‘macro’, sample_weight=None)
注意:此实现仅限于二进制分类任务或多标签分类任务。参数:
y_true : array, shape = [n_samples] or [n_samples, n_classes] 真实标签:取0和1 y_score : array, shape = [n_samples] or [n_samples, n_classes] 预测标签:[0,1]之间的值。 可以是正类的概率估计、置信值,也可以是决策的非阈值度量(如某些分类器上的“决策函数”返回的) average : string, [None, ‘micro’, ‘macro’ (default), ‘samples’, ‘weighted’] sample_weight : array-like of shape = [n_samples], optional sample weights. #------------------------------------------------------------AP和mAP 的计算:
def compute_mAP(labels,outputs): y_true = labels.cpu().detach().numpy() y_pred = outputs.cpu().detach().numpy() AP = [] for i in range(y_true.shape[0]): AP.append(average_precision_score(y_true[i],y_pred[i])) return np.mean(AP)
参考链接:https://www.w3cschool.cn/doc_scikit_learn/scikit_learn-modules-generated-sklearn-metrics-average_precision_score.html
参考链接:https://github.com/lyz04551/voc2007_classification_pytorch/blob/master/PascalTrain.py转载地址:https://mymuli.blog.csdn.net/article/details/101616406 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
留言是一种美德,欢迎回访!
[***.207.175.100]2024年05月04日 16时44分04秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
为什么使用<!DOCTYPE HTML>
2019-05-06
leetcode 477 Total Hamming Distance C++
2019-05-06
笑话收集
2019-05-06
超级程序员神话
2019-05-06
advanced installer制作windows软件安装界面
2019-05-06
操作系统读书笔记
2019-05-06
2017年计划
2019-05-06
【转】电容滤波的两个要点_Detective_ALong_新浪博客
2019-05-06
【转】U-Boot的加载地址分析_Detective_ALong_新浪博客
2019-05-06
html5星星评分组件,sass双循环写法
2019-05-06
h5锁屏提醒-锁横屏和锁竖屏
2019-05-06
LeetCode 方法详解
2019-05-07
Java学习相关网站
2019-05-07
View事件分发情况总结
2019-05-07
linux 实现免密码登录
2019-05-07
Python学习 -- filter
2019-05-07
Python学习 – 匿名函数
2019-05-07
Docker CE安装
2019-05-07
运放(二):运放带宽
2019-05-07