首页
/ PyTorch Lightning中多分类准确率计算的正确使用方式

PyTorch Lightning中多分类准确率计算的正确使用方式

2025-05-05 22:16:27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:

  1. 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
  2. 但对狗的预测准确率会显示为0(因为该batch中没有狗)
  3. 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:

  1. 直接传递self.accuracy对象给log方法,而不是传递计算结果
  2. 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:

  1. 在每个batch更新内部统计量(真正例、假正例等)
  2. 在epoch结束时基于所有batch的统计量计算最终指标
  3. 避免了batch间不平衡带来的偏差

最佳实践建议

  1. 对于分类任务,始终使用torchmetrics的指标对象
  2. 直接传递指标对象给log方法,而不是中间计算结果
  3. 对于不平衡数据集,考虑使用'micro'平均而非'macro'平均
  4. 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

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-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
Vue
927
551
openHiTLSopenHiTLS
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
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
75
64
Cangjie-ExamplesCangjie-Examples
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8