TorchMetrics v1.6.2版本发布:增强分割与分类评估能力
TorchMetrics是一个专注于机器学习模型评估的PyTorch库,它提供了各种评估指标的高效实现。作为PyTorch Lightning生态系统的重要组成部分,TorchMetrics帮助研究人员和工程师更轻松地跟踪模型性能。最新发布的v1.6.2版本带来了一系列功能增强和错误修复,特别是在图像分割和分类任务评估方面有显著改进。
新增功能亮点
分割任务评估增强
在图像分割领域,DiceScore指标新增了zero_division
参数,用于处理预测结果与真实标签完全没有重叠的特殊情况。这一改进使得模型在完全错误预测时的评估更加灵活可控。
语音质量评估优化
DNSMOS语音质量评估指标新增了cache_session
参数,允许用户控制缓存行为。这一改进对于需要频繁评估语音质量的场景特别有价值,用户可以根据实际需求选择是否缓存中间结果以提高效率。
基础聚合指标增强
基础聚合指标现在支持通过disable
选项来关闭nan_strategy
处理。这一改进为高级用户提供了更细粒度的控制能力,可以根据具体需求灵活处理缺失值。
重要功能改进
分类任务评估灵活性提升
在分类任务评估中,当使用micro平均策略时,num_classes
参数现在变为可选。这一改变简化了使用流程,特别是在类别数量不确定或动态变化的场景下。
跨模态相似度计算
Clip_Score指标得到增强,现在能够计算相同模态之间的相似度。这一改进扩展了该指标的应用范围,使其不仅限于跨模态评估,还能用于单模态内容的相似性分析。
关键错误修复
分割评估边界情况处理
修复了DiceScore在预测与目标完全没有重叠时的计算问题,确保了评估结果的准确性。这一修复对于分割模型的全面评估至关重要。
分类评估指标修正
MeanAveragePrecision指标在使用micro平均策略且标签0不存在时的计算问题得到解决。同时,PearsonCorrCoef指标在输入为常数时的边界情况处理也得到了完善。
其他重要修复
MetricCollection.update方法的结果一致性问题、PIT指标的kwargs传递问题,以及PearsonCorrCoef的最终聚合函数中的多个错误都得到了修复。这些改进提升了整个库的稳定性和可靠性。
总结
TorchMetrics v1.6.2版本虽然是一个小版本更新,但带来了多项实用改进和关键修复。这些变化进一步增强了库在分割和分类任务评估中的能力,同时提高了整体稳定性和用户体验。对于依赖准确模型评估的研究人员和工程师来说,升级到这个版本将获得更可靠和灵活的评估工具。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode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。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









