安装

官方网站：https://torchmetrics.readthedocs.io/en/stable/。

安装方法：

conda install -c conda-forge torchmetrics

使用

大家如果用过sklearn.metrics，那么就会很容易使用这个，其实我一开始都是一直使用前者的，但是前者只支持numpy以及list，所以每次使用sklearn的使用，我们需要将tensor从gpu搬到cpu，然后再由tensor转化为numpy，现在的话，TorchMetrics则不会需要啦。

import torchmetrics
import torch

preds = torch.randn(2, 2).softmax(dim=-1)#2个样本，每一个样本都是二分类问题
target = torch.randint(2, (2,))#真实标签。
print(preds)
print(target)

从上面我们可以看到，两个样本都是输出第0个类别的概率高，标签也是第0个类别，那么准确率为100%,下面验证一下：

acc = torchmetrics.functional.accuracy(preds, target)
print(acc)

tensor(1.)

我们发现，TorchMetrics直接支持tensor计算，其实其也支持gpu上直接计算，如下：

device=torch.device("cuda:1")
acc = torchmetrics.functional.accuracy(preds.to(device), target.to(device))
print(acc)

tensor(1., device=‘cuda:1’)