16 PyTorch小白从零学教程系列：模型评估与调优之评估模型性能

查看大图

评估阶段要关闭训练行为和梯度计算。model.eval() 和 torch.no_grad() 能减少不必要计算，也避免 BatchNorm、Dropout 等行为混乱。

查看大图

评估时我会保存错例，而不只保存平均分。错例能告诉你模型真正薄弱的地方。

在上一篇文章中，我们深入探讨了模型训练的实现和训练循环的细节。我们通过定义损失函数、优化器以及训练循环来训练我们的模型。现在，我们进入模型评估与调优的过程，重点放在如何评估模型性能。

评估模型性能的重要性

模型训练不仅仅是提高损失函数的表现，更重要的是评估模型对未见样本的泛化能力。有效的评估策略可以帮助我们了解模型的强项与弱点，以及它在真实世界应用中的可靠性。因此，评估模型性能是深度学习开发过程中不可或缺的一步。

查看大图

评估 PyTorch 模型性能时，先看 eval 模式、no_grad、测试集加载、指标累计、混淆矩阵和错误样例。

常用的评估指标

在评估分类模型时，我们通常使用以下指标：

1. 准确率（Accuracy）: 它是正确分类的样本占总样本数的比例。

   $$\text{Accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}}$$

   其中，TP是真正例，TN是真负例，FP是假正例，FN是假负例。

精确率（Precision）: 它度量的是被分类为正类的样本中真正为正类的比例。

$$\text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}}$$

召回率（Recall）: 又称为灵敏度，它度量的是所有真正的正类样本中被正确分类为正类的比例。

$$\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}$$

F1分数: 它是精确率和召回率的调和平均，常用于不均衡数据的评估。

$$F1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}$$

使用PyTorch进行模型性能评估

接下来，让我们通过代码演示如何在PyTorch中评估模型性能。我们将构建一个简单的分类模型，并计算其准确率、精确率、召回率和F1分数。

代码实例

假设我们已经完成了模型的训练，现在我们使用测试集来评估这个模型：

import torch
import torch.nn.functional as F
from sklearn.metrics import precision_score, recall_score, f1_score

# 假设我们有一个训练好的模型和测试数据集
model.eval()  # 设置模型为评估模式

# 假设 test_loader 是我们的测试数据集的 DataLoader
all_preds = []
all_labels = []

with torch.no_grad():  # 禁用梯度计算
    for data, labels in test_loader:
        outputs = model(data)  # 前向传播得到输出
        _, preds = torch.max(outputs, 1)  # 获取预测值
        all_preds.extend(preds.numpy())  # 将预测值添加到列表
        all_labels.extend(labels.numpy())  # 将真实标签添加到列表

# 计算评估指标
accuracy = (np.array(all_preds) == np.array(all_labels)).mean()
precision = precision_score(all_labels, all_preds, average='weighted')
recall = recall_score(all_labels, all_preds, average='weighted')
f1 = f1_score(all_labels, all_preds, average='weighted')

print(f'准确率: {accuracy:.2f}')
print(f'精确率: {precision:.2f}')
print(f'召回率: {recall:.2f}')
print(f'F1分数: {f1:.2f}')

在上述代码中，我们使用model.eval()将模型设置为评估模式，避免了在评估时影响模型的某些层（例如 Dropout 和 BatchNorm）。然后，我们禁用梯度计算以提高性能，并通过循环遍历test_loader中的测试数据，计算模型的预测结果。

查看大图

读到这里，可以把《PyTorch小白从零学教程系列：模型评估与调优之评估模型性能》整理成一张复盘表：先说清主线，再拿一个小任务检查结果。

查看大图

读完《PyTorch小白从零学教程系列：模型评估与调优之评估模型性能》后，可以先挑一个小样例走完整流程，再判断哪些步骤已经能独立完成。

总结

通过本节的学习，我们不仅了解了评估模型性能的重要性，还学习了几种常用的评估指标及其计算方法。在 PyTorch 中实现这些指标的计算也相对简单。接下来的文章中，我们将继续探讨“过拟合与正则化”的主题，这是模型评估与调优中的一个重要方面，帮助我们构建更加鲁棒的模型。所以，让我们期待下一篇内容的展开。

查看大图

读完《PyTorch小白从零学教程系列：模型评估与调优之评估模型性能》后，可以回头问三件事：它解决什么问题，哪一步最容易出错，自己能否拿一个小例子跑通。

希望这篇文章对你学习 PyTorch 和模型评估有所帮助，欢迎继续关注我们的教程系列！