无论是官方文档还是各位大神的论文或搭建的网络很多都是计算准确率，很少有计算误判率， 下面就说说怎么计算准确率以及误判率、召回率等指标 1.计算正确率 获取每批次的预判正确个数 train_correct = (pred == batch_y.squeeze(1)).sum() 该语句的意思是 预测的标签与实际标签相等的总数 获取训练集总的预判正确个数 train_acc += train_correct.data[0] #用来计算正确率 准确率 ： train_acc / (len(train_data)) 2.误判率 举例：当你是二分类时，你需要计算 原标签为1，但预测为 0 ，以及 原标签

计算微观和宏观平均：精度、召回率、F-score。 从混淆矩阵计算。 如果您有任何问题，请发表评论或给我发电子邮件。

计算常见的分类器衡量指标，包括真阳性，真阴性，假阳性，假阴性，准确率，错误率，特异度和F值

今天小编就为大家分享一篇Pytorch 计算误判率,计算准确率,计算召回率的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

图像分割实验常用matlab代码供参考；包括准确率、召回率等的计算代码

用Python计算图像对不同地物分类精确度， 计算分类结果图与标准参考图的混淆矩阵， 对分类结果进行评价