Añadir implementación de un entorno de desarrollo y carga de modelos con evaluación de precisión
237774d
| import torch | |
| def cargar_etiquetas(): | |
| with open("etiquetas.txt", "r") as f: | |
| etiquetas = f.read().splitlines()[1:] | |
| num_clases = len(etiquetas) | |
| codigo = {etiqueta.lower(): i for i, etiqueta in enumerate(etiquetas)} | |
| return etiquetas, num_clases, codigo | |
| def multiclass_accuracy(predictions, labels): | |
| # Obtén las clases predichas (la clase con la mayor probabilidad) | |
| _, predicted_classes = torch.max(predictions, 1) | |
| # Compara las clases predichas con las etiquetas verdaderas | |
| correct_predictions = (predicted_classes == labels).sum().item() | |
| # Calcula la precisión | |
| accuracy = correct_predictions / labels.size(0) | |
| return accuracy | |