torchmetrics

收录理由

在训练 PyTorch 模型时，把评估数字算对往往占了一半功夫，而 TorchMetrics 正好去掉了最容易出错的那部分。它把一百多个经过测试的指标实现统一放在一致的模块接口后面，训练循环因此保持简洁和可复现。这里面既有准确率、F1、精确率/召回率这类常规分类度量，也有针对音频、图像和文本任务的专用指标。这些指标像普通 PyTorch 模块一样带有内部状态，能够自动按批次累积，并在多个 GPU 或节点之间同步，无需手动编写分布式记账代码。对做多 GPU 或多节点训练的团队来说，这很关键，因为朴素累积经常在不知不觉中破坏结果。已经用 PyTorch Lightning 的团队可以直接获得日志集成，但库在手写循环里同样好用，还可以继承基类模块来写自定义指标，保持同样的有状态行为。