深度学习之卷积神经网络中常用模型评估指标(混淆矩阵，精确率，召回率，特异度计算方法)：
混淆矩阵，精确率，召回率，特异度作为卷积神经网络的模型性能评价指标，它们的计算和绘制具有非常重要的意义，特别是在写论文的时候，我们往往需要这些指标来证明我们模型的优异性，这里给出相应的代码方便大家计算和绘制自己的混淆矩阵和计算各种指标。我这里是使用的网上开源的玉米病害数据集。下面给我的整个项目工程的数据集代码链接，你替换成你的数据集，模型结构代码即可。
首先是文件夹摆放方式：
num_classes.json为写自己数据种类的文件：
按照这样写入自己的数据种类名称即可，如果种类比这多或者少，相应删减即可
文章来源：https://www.toymoban.com/news/detail-457120.html
data文件夹下放置自己用来绘制混淆矩阵的数据集，数据集每一类文件夹的名称为这类数据集种类的名称即可：文章来源地址https://www.toymoban.com/news/detail-457120.html
到了这里，关于深度学习之卷积神经网络中常用模型评估指标(混淆矩阵，精确率，召回率，特异度计算方法)——python代码的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
