分类任务
1 2 3 4 5 6 7 8 | import numpy as np import evaluate metric = evaluate.load( "accuracy" ) def compute_metrics(eval_pred): logits, labels = eval_pred predictions = np.argmax(logits, axis=-1) return metric.compute(predictions=predictions, references=labels) |
logits
是模型的输出
labels是真实标签
用 numpy
的 argmax
函数沿着最后一个维度(即每个样本的类别维度)找到分数最大的索引,这些索引即为模型的预测类别
返回准确率
生成任务
BLEU、ROUGE、METEOR 等,这些指标用于比较生成的文本和参考文本
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!