def f1_loss(predict, target):
loss = 0
lack_cls = target.sum(dim=0) == 0
if lack_cls.any():
loss += F.binary_cross_entropy_with_logits(
predict[:, lack_cls], target[:, lack_cls])
predict = torch.sigmoid(predict)
predict = torch.clamp(predict * (1-target), min=0.01) + predict * target
tp = predict * target
tp = tp.sum(dim=0)
precision = tp / (predict.sum(dim=0) + 1e-8)
recall = tp / (target.sum(dim=0) + 1e-8)
f1 = 2 * (precision * recall / (precision + recall + 1e-8))
return 1 - f1.mean() + loss
最后
以上就是靓丽高跟鞋最近收集整理的关于F1指数计算的全部内容，更多相关F1指数计算内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复