老七的神床（5 / 8）

    train_recall = train_sum_tp * 1.0 / (train_sum_fn + train_sum_tp)

    writer.add_scalar(“train loss“, train_loss, global_step=epoch)

    writer.add_scalar(“train correct“,

    train_correct, global_step=epoch)

    writer.add_scalar(“train precision“,

    train_precision, global_step=epoch)

    writer.add_scalar(“train recall“, train_recall, global_step=epoch)

    if not os.path.exists(“models_aug_CNN“):

    os.mkdir(“models_aug_CNN“)

    torch.save(net.state_dict(), “models_aug_CNN/{}.pth“.format(epoch + 1))

    scheduler.step()

    sum_loss = 0

    sum_correct = 0

    test_sum_fp = 0

    test_sum_fn = 0

    test_sum_tp = 0

    test_sum_tn = 0

    for i, data in enumerate(testDataLoader):

    net.eval()

    inputs, labels = data

    inputs = inputs.unsqueeze(1).to(torch.float32)

    labels = labels.type(torch.LongTensor)

    inputs, labels = inputs.to(device), labels.to(device)

    outputs = net(inputs)

    loss = loss_func(outputs, labels)

    _, pred = torch.max(outputs.data, dim=1)

    acc = pred.eq(labels.data).cpu().sum()

    one = torch.ones_like(labels)