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

当前图像篡改检测方法多基于块效应、方法复杂,对于纹理丰富、色彩多变的篡改图像检测率较低、而且容易造成对图像篡改的误判。提出改进图像篡改检测方法。利用激光脉冲峰对图像进行阈值分割处理,然后提取待检测篡改图像的特征点,构建图像区域篡改模型,实现图像特征向量和阈值合理性分析和分解模式匹配,实现对篡改区域的判定和检测。实验结果表明,本文方法能够精确识别出邻近像素的特征差异点,有效提高图像篡改的检测率,降低了误判率。

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