对于计算正确率时 logits.argmax(dim=1)，torch.eq(pre_label,label)

额  好像是一句非常简单的代码 ，但是作为新手 ，我是完全看不懂哎 前十眼。

  首先 这里的logits是一个 （a，b）维的张量。其中a是你的全连接输出维度，b是一个batch中的样本数量。  

  我们经过一个argmax的操作，dim=1 意味着找到张量中各自的最大值所在索引。也就是找到每个样本的全连接输出中最大的那一个。 最有可能的预测值。

   torch.eq会返回一个 batch维的bool值。 。sum统计真值的个数。。float将真值个数化为浮点，。item将得到的浮点数从列表中取出来。

   

代码举例：

A = torch.tensor([[0,1], [0,2], [0,3], [0,5], [0,42], [0,5], [0,0], [1,19]])
# A = torch.tensor([1,2,3,4,5,6,7,8])
B = A.argmax(dim=1)
C=torch.tensor([1,1,1,1,1,1,1,1])
print(B)
print(C)
d=torch.eq(B,C)
print(d)
d=d.sum()
print(d)
d=d.float()
print(d)
d=d.item()
d=torch.eq(B,C).sum().float().item()
print(d)

结果：

tensor([1, 1, 1, 1, 1, 1, 0, 1])
tensor([1, 1, 1, 1, 1, 1, 1, 1])
tensor([ True,  True,  True,  True,  True,  True, False,  True])
tensor(7)
tensor(7.)
7.0