网络预测值二值化操作
看网络是否设计了输出的sigmoid (如没有进行sigmoid)
output = torch.sigmoid(output) # 把输入值转化为0.0 ~ 1.0
pred = output.data.cpu().numpy()
target = true_masks.data.cpu().numpy()
# print("target.shape::",target.shape)
pred = (pred > 0.5).astype(int) # 转化为整形分类 # 阈值
target = (target).astype(int) # 转化为0和1的整形
# pred = np.argmax(pred, axis=1)
# print("pred-shape:",pred.shape)
# print("target-shape:", target.shape)
evaluator.add_batch(target, pred) # 评价标准使用(进行累加)