Pytorch：test

在train之后，要做一个test，来验证算法是否具有泛化性。

import torch
import torch.nn.functional as F
logits=torch.rand(4,10)  # 生成四张图片，每个图片为10维
pred=F.softmax(logits,dim=1)  # 对每张照片的输出做softmax，所以在dim=1
pred.shape
#输出torch.Size([4, 10])
pred_label=pred.argmax(dim=1)
pred_label
# 输出tensor([9, 6, 5, 5])
logits.argmax(dim=1)
# 输出tensor([9, 6, 5, 5])
#可以看出对logits做argmax和对logits后的值做argmax结果一样
label=torch.tensor([9,6,2,5])  # 假设真实的label是9,6,2,5
correct=torch.eq(pred_label,label)  #torch。eq会返回相同的为1不同的为0，例如此处会返回【1，1,0,1】
correct.sum().float().item()/4 #返回值做sum后等于3，然后转为float
#  输出0.75

什么时候做test？

做一些batch后

每经过一个epoch

举例：完整代码看之前的文章，多分类问题

    test_loss=0
    correct=0
    for data,target in test_loader:
        data=data.view(-1,28*28)
        logits=forward(data)
        test_loss += criteon(logits,target).item()

        pred=logits.data.max(1)[1]
        correct += pred.eq(target.data).sum()

    test_loss /= len(test_loader.dataset)
    print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
        test_loss,correct,len(test_loader.dataset),
        100 * correct / len(test_loader.dataset)
    ))