使用torch.bincount计算标签的重叠度

def count_integer_overlap(rec_labels, true_labels, maxlength=50527):

    # much faster (measured with timeit:)
    if rec_labels is not None:
        test_label_acc = (
            1
            - (
                torch.bincount(rec_labels.view(-1), minlength=maxlength)
                - torch.bincount(true_labels[true_labels != -100].view(-1), minlength=maxlength)
            )
            .abs()
            .sum()
            / 2
            / rec_labels.numel()
        )
    else:
        test_label_acc = 0
    return test_label_acc

假设 rec_labels 是一个张量 [0, 1, 1, 2, 3, 3]，而 true_labels 是 [1, 1, 2, 3, -100, -100]。其中 -100 表示缺失的标签。

1. 计算标签的出现次数： 使用 torch.bincount 方法，我们得到以下结果：

   • 对于 rec_labels，标签 0 出现了 1 次，标签 1 出现了 2 次，标签 2 出现了 1 次，标签 3 出现了 2 次，其他标签均未出现。
   • 对于 true_labels，标签 1 出现了 2 次，标签 2 出现了 1 次，标签 3 出现了 1 次。

2. 调整计数以排除缺失的标签： 在 true_labels 中，我们需要忽略 -100 标签的计数。

3. 计算绝对差异： 将两个张量的计数相减，并取绝对值。我们得到以下差异：

   • 对于标签 0，差异为 1 - 0 = 1
   • 对于标签 1，差异为 2 - 2 = 0
   • 对于标签 2，差异为 1 - 1 = 0
   • 对于标签 3，差异为 2 - 1 = 1

4. 求和并归一化： 将这些差异相加得到总的绝对差异，然后除以标签总数的两倍。在这个例子中，总的绝对差异为 1 + 0 + 0 + 1 = 2，标签总数为 6，所以重叠度为 2 / (2 * 6) = 1/6。