pytorch 中使用tensorboard，詳解writer.add_pr_curve函數的作用（二）

接上一篇文章pytorch 中使用tensorboard，詳解writer.add_embedding函數的作用（一）

首先給出pytorch官方文檔對tensorboard的教程

https://pytorch.apachecn.org/docs/1.4/6.html

目錄

 

7 畫損失函數（writer.add_scalar）

8 畫pr曲線圖(writer.add_pr_curve)

---

 

 

7 畫損失函數（writer.add_scalar）

writer.add_scalar('training loss',
                            running_loss / 1000,
                            epoch * len(trainloader) + i)

 非常簡單，參數爲 標題，loss(Y),epoch(X)

8 畫pr曲線圖(writer.add_pr_curve)

什麼是PR圖？

writer.add_pr_curve(classes[class_index],
                        tensorboard_preds,
                        tensorboard_probs,
                        global_step=global_step)
    writer.close()

首先PR圖是對於二分類問題而言的，所以第一個參數爲分類列表中的每一個分類，針對每一個分類畫出pr圖。

而後思考畫出PR圖時需要什麼，根據混淆矩陣的定義

預測/實際	正	負
正	TP	FP
負	FN	TN

 

我們需要知道樣本的實際分類（單分類爲 YES or NO)，樣本的預測結果可通過置信度與閾值確定，其中閾值爲函數自動生產，所以我們需要樣本的置信度。

總結，我們需要類別，實際結果（ground true),以及預測結果（0到1之間的置信度）很抽象？看代碼

舉例，對於(套衫)pullover而言， 第一個不是，第二個是，第三個不是，第四個不是。。。預測結果中，第一個有0.1103權重爲套衫，第二個有0.1076的權重爲套衫，第三個...

注意，這裏的0.1103並不是概率，需要經過softmax轉換纔是概率，但是有他就相當於有了概率，函數自己會計算結果。

什麼是softmax函數？