笔趣阁

手机浏览器扫描二维码访问

告密者的下场（第4页）

train_correct=train_sum_correct*1.0len（trainDataLoader）batch_size

train_precision=train_sum_tp*1.0（train_sum_fp+train_sum_tp）

train_recall=train_sum_tp*1.0（train_sum_fn+train_sum_tp）

writer.add_scalar（“trainloss“，train_loss，global_step=epoch）

writer.add_scalar（“traincorrect“，

train_correct，global_step=epoch）

writer.add_scalar（“trainprecision“，

train_precision，global_step=epoch）

writer.add_scalar（“trainrecall“，train_recall，global_step=epoch）

ifnotos.path.exists（“models_aug_CNN“）:

os.mkdir（“models_aug_CNN“）

torch.save（net.state_dict（），“models_aug_CNN{}.pth“.format（epoch+1））

scheduler.step（）

sum_loss=0

sum_correct=0

test_sum_fp=0

test_sum_fn=0

test_sum_tp=0

test_sum_tn=0

fori，datainenumerate（testDataLoader）:

net.eval（）

inputs，labels=data

inputs=inputs.unsqueeze（1）.to（torch.float32）

labels=labels.type（torch.LongTensor）

inputs，labels=inputs.to（device），labels.to（device）

outputs=net（inputs）

loss=loss_func（outputs，labels）

_，pred=torch.max（outputs.data，dim=1）

acc=pred.eq（labels.data）.cpu（）.sum（）

one=torch.ones_like（labels）

zero=torch.zeros_like（labels）

tn=（（labels==zero）*（pred==zero））.sum（）

tp=（（labels==one）*（pred==one））.sum（）

fp=（（labels==zero）*（pred==one））.sum（）

fn=（（labels==one）*（pred==zero））.sum（）

test_sum_fn+=fn.item（）

test_sum_fp+=fp.item（）

test_sum_tn+=tn.item（）

test_sum_tp+=tp.item（）

sum_loss+=loss.item（）

奸情曝光之后  和腹黑三叔闪婚后真香了  御兽：我能增强御兽血脉  穿进甜文后成了霸总的恶毒前女友  李辰赵清澜赵蕊  有樗  剑影江湖传说  倾月班  禁锢之日  我在修仙界养猪  摆摊卖水果  七零之我靠纸扎手艺混的风生水起  我见南山  我的宗门有点怪！  贫僧法海，万世之尊  娇娇贵女红了眼，摄政王连夜哄  高手达人的奇妙爱情  全村亿万富翁，你管这叫贫困村？  副本存活率0？我直接速通！  穿越七零，勾的冷面军少心慌慌