解决pytorch模型训练accuracy一直为0的问题

最新推荐文章于 2024-06-19 15:31:46 发布

ABO阿博

最新推荐文章于 2024-06-19 15:31:46 发布

阅读量5.3k

点赞数 5

文章标签： pytorch python

本文链接：https://blog.csdn.net/qq_45160509/article/details/124242619

版权

博客讨论了在训练神经网络时遇到的准确率始终为0的问题。原因是torch.sum(predictions==labels)得到的张量与labels.shape[0]的标量相除导致的。为解决这个问题，提供了三种转换张量为标量的方法：直接调用.item()，转换为列表后再求和，或者转换为numpy数组后求和。这些方法确保了张量与标量的正确运算，从而能正确计算出准确率。

摘要由CSDN通过智能技术生成

问题描述：

原代码如下：

accuracy = torch.sum(predictions == labels) / labels.shape[0]
processBar.set_description("[%d/%d] Loss: %.4f, Acc: %.4f" % 
                            (epoch, EPOCHS, loss.item(), accuracy))

训练过程中，accuracy一直为0

原因分析：

debug下

torch.sum(predictions==labels)得到的是张量，labels.shape[0]是标量，他俩相除后得到的accuracy张量为0了

解决方案：

将torch.sum(predictions==labels)转为标量，有三种方法，对应不同数据维度的求和情况

#转单一元素
accuracy = (torch.sum(predictions == labels)).item() / labels.shape[0] 

#转列表
accuracy = (sum((predictions == labels).tolist()) / labels.shape[0])

#转数组
accuracy = sum(np.array(predictions.cpu()) == np.array(labels.cpu())) / labels.shape[0]