找出你需要評估的指標是深度學習的關鍵。有各種各樣的指標，我們可以評估ML算法的性能。TorchMetrics是一個PyTorch度量的實現的集合，是PyTorch Lightning高性能深度學習的框架的一部分。在本文中，我們將介紹如何使用TorchMetrics評估你的深度學習模型，甚至使用一個簡單易用的API創建你自己的度量。

什么是TorchMetrics?

TorchMetrics是一個開源的PyTorch原生的函數和度量模塊的集合，用于簡單的性能評估。你可以使用開箱即用的實現來實現常見的指標，如準確性，召回率，精度，AUROC, RMSE, R2等，或者創建你自己的指標。我們目前支持超過25個指標，并不斷增加更多的通用任務和特定領域的標準(目標檢測，NLP等)。

TorchMetrics最初是作為Pytorch Lightning (PL)的一部分創建的，被設計為分布式硬件兼容，并在默認情況下與DistributedDataParalel(DDP)一起工作。所有指標都在cpu和gpu上經過嚴格測試。

使用TorchMetrics

安裝

這個包可以通過以下方式從PyPI簡單安裝：

pip install torchmetrics

或者直接從GitHub倉庫的源代碼安裝：

# with git pip install git+https://github.com/PytorchLightning/metrics.git@master

函數形式的metrics

類似于torch.nn，大多數度量指標都有基于模塊和函數的版本。函數版本實現了計算每個度量所需的基本操作。它們是作為輸入的簡單的python函數。并返回相應的torch.tensor的指標。

總結

以上是生活随笔為你收集整理的TorchMetrics：PyTorch的指标度量库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。