问题描述
训练多分类模型时，为了观察训练的效果，使用average_precision_score（）函数求准确度MAP时报错：
average_precision_score(signs.flatten(),results.flatten())
raise ValueError(“{0} format is not supported”.format(y_type))
ValueError: multiclass format is not supported
原因分析：
之前的二分类任务使用该函数没有问题，想到这次的任务是多分类，该函数应该只可以处理二分类问题，也可以把多分类转变成二分类问题，输出的标签正确与否设置为0和1。
但是感觉那样比较麻烦，不如自己写代码求准确度：
解决方案：
思路：求网络输出最大值的下标，即预测的标签
然后判断预测标签和真实标签，相同则统计+1，
最后根据统计值/训练样本数量 求得准确度
optimizer.zero_grad()
outputs = model(inputs)
ret, prediction = torch.max(outputs,1)
right_num += np.sum(prediction.cpu().numpy() == labels.cpu().numpy())
loss_contrastive = criterion(outputs, labels)
#反向梯度
loss_contrastive.backward()
#更新权重
optimizer.step()
print("Epoch number: {} , Current loss: {:.4f}\n".format(epoch, loss_contrastive.item()))
print('Test Accuracy =',right_num/data_size)
OK~！
