神经网络学习中一些代码的巧妙用法（持续更新）

1、计算正确识别数量（识别率）的技巧（以numpy为例）

import numpy as np

acc = 0  #  初始化
label = np.array([1,0,1,0,1])  #  目标标签
preds = np.array([1,1,1,1,1])  #  预测结果

acc = (label == preds).sum()  #  可以直接输出，写在循环中可以使用 '+=' 代替 '='

print(acc)    

实际应用在pytorch中时：

with torch.no_grad():
    for x,y in test_loader:
        x = x.to(device) 
        y = y.to(device)

        preds = model(x)
        predictions = preds.max(1).indices # dim = 1 
        num_correct += (predictions == y).sum()