图像分类模型评估之用python绘制ROC曲线绘制

目录

加载的训练数据是图片！！！

加载的训练数据是张量！！！

---

      在模型训练完成后，可以通过绘制ROC曲线来评估模型的分类性能。ROC曲线是以真正率（True Positive Rate，TPR）为纵轴，假正率（False Positive Rate，FPR）为横轴的曲线，它反映了模型在不同阈值下的分类性能。

加载的训练数据是图片！！！

当你的数据是图片时，你可以使用torchvision.datasets.ImageFolder来加载数据集，并在加载的同时使用torchvision.transforms中的函数对数据进行预处理。

import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
import numpy as np

# 定义预处理函数
transform = transforms.Compose([
    transforms.Resize((224, 224)),  # 调整图像大小为224x224
    transforms.ToTensor(),  # 将图像转换为张量
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 标准化图像
])

# 加载测试集数据
test_data = torchvi