PyTorch Lightning中多分类准确率计算的正确使用方式
2025-05-05 14:53:45作者:苗圣禹Peter
在使用PyTorch Lightning进行深度学习模型训练时,准确率计算是一个关键指标。本文将深入探讨如何正确使用torchmetrics.Accuracy进行多分类任务的准确率评估,特别是当遇到数据顺序影响准确率计算结果时的解决方案。
问题现象
在构建一个猫狗分类的CNN模型时,开发者发现了一个奇怪的现象:手动计算的测试准确率约为80-85%,而使用torchmetrics.Accuracy计算的结果却只有40%左右。更令人困惑的是,当启用测试数据的shuffle时,torchmetrics的计算结果又变得正确了。
问题根源分析
经过深入调查,发现问题出在准确率的计算方式上。在多分类任务中,torchmetrics.Accuracy默认会计算每个类别的准确率,然后进行平均(macro平均)。当测试数据没有shuffle时,可能会出现一个batch中全是同一类别的情况:
- 如果一个batch全是猫的图片,模型对猫的预测准确率会被正确计算
- 但对狗的预测准确率会显示为0(因为该batch中没有狗)
- 最终准确率会被平均为(100% + 0%)/2 = 50%
这种batch级别的计算方式会导致整体准确率被低估,特别是当数据分布不均匀且没有shuffle时。
解决方案
正确的做法是让torchmetrics.Accuracy在整个epoch上累积统计信息,而不是在每个batch上单独计算。在PyTorch Lightning中,可以通过以下方式实现:
def test_step(self, batch, batch_idx):
images, labels = batch
predictions = self(images)
predictions_softmax = F.softmax(predictions, dim=1)
# 更新准确率统计
self.accuracy(predictions_softmax, labels)
# 正确记录准确率指标
self.log('test_acc', self.accuracy, on_step=True, on_epoch=True)
关键区别在于:
- 直接传递self.accuracy对象给log方法,而不是传递计算结果
- 这样Lightning会在整个epoch上累积统计信息,给出更准确的全局准确率
深入理解
torchmetrics的设计理念是维护一个内部状态,跟踪整个评估过程中的所有相关信息。当直接传递self.accuracy对象时,Lightning会:
- 在每个batch更新内部统计量(真正例、假正例等)
- 在epoch结束时基于所有batch的统计量计算最终指标
- 避免了batch间不平衡带来的偏差
最佳实践建议
- 对于分类任务,始终使用torchmetrics的指标对象
- 直接传递指标对象给log方法,而不是中间计算结果
- 对于不平衡数据集,考虑使用'micro'平均而非'macro'平均
- 在测试时保持数据shuffle,以确保batch间的类别分布均匀
总结
在PyTorch Lightning中使用torchmetrics时,理解指标计算的工作机制至关重要。通过正确使用指标对象而非中间结果,可以避免因数据顺序或batch效应导致的指标计算偏差。这一经验不仅适用于准确率计算,也适用于其他各种评估指标。
登录后查看全文
热门项目推荐
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript037RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统Vue0407arkanalyzer
方舟分析器:面向ArkTS语言的静态程序分析框架TypeScript040GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。03CS-Books
🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~07openGauss-server
openGauss kernel ~ openGauss is an open source relational database management systemC++0145
热门内容推荐
1 freeCodeCamp论坛排行榜项目中的错误日志规范要求2 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析3 freeCodeCamp课程页面空白问题的技术分析与解决方案4 freeCodeCamp课程视频测验中的Tab键导航问题解析5 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析6 freeCodeCamp全栈开发课程中React实验项目的分类修正7 freeCodeCamp英语课程填空题提示缺失问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp课程中屏幕放大器知识点优化分析10 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析
最新内容推荐
Visual-RFT项目中模型路径差异的技术解析 Beyla项目中的HTTP2连接检测问题解析 Microcks在OpenShift上部署Keycloak PostgreSQL的权限问题解析 RaspberryMatic项目中HmIP-BWTH温控器假期模式设置问题分析 Lets-Plot 库中条形图标签在坐标轴反转时的定位问题解析 BedrockConnect项目版本兼容性问题解析与解决方案 LiquidJS 10.21.0版本新增数组过滤功能解析 Mink项目中Selenium驱动切换iframe的兼容性问题分析 Lichess移动端盲棋模式字符串优化解析 sbctl验证功能JSON输出问题解析
项目优选
收起

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
51
15

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
536
407

openGauss kernel ~ openGauss is an open source relational database management system
C++
63
145

React Native鸿蒙化仓库
C++
121
207

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
400
37

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
297
1.03 K

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
98
251

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
358
342

🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~
57
7

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
51
54