按类别分析指标
虽然汇总指标可以反映模型的整体性能，但逐类查看指标往往更有启发性。这能揭示模型表现欠佳的类别。
在本练习中，您将再次运行评估循环以获取云层分类器的精确率，但这一次是按类别计算。然后，您会将这些分数映射到类别名称上，以便进行解读。与往常一样，Precision 已为您导入。祝您顺利！
本练习是课程的一部分
PyTorch 深度学习进阶
练习说明
- 定义一个适用于按类别结果的精确率度量。
- 通过完成字典推导式，遍历
dataset_test的.class_to_idx属性的.items()，计算每个类别的精确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define precision metric
metric_precision = Precision(
____, ____, ____
)
net.eval()
with torch.no_grad():
for images, labels in dataloader_test:
outputs = net(images)
_, preds = torch.max(outputs, 1)
metric_precision(preds, labels)
precision = metric_precision.compute()
# Get precision per class
precision_per_class = {
k: ____[____].____
for k, v
in ____
}
print(precision_per_class)