metrics.py

Go to the documentation of this file.

import copy
import torch
 
class AverageMeter(object):
    """
    평균 계산을 위한 클래스
    수치의 합과 데이터의 수량을 기록함
    """
    def __init__(self):
        self.sum_value = 0.
        self.count = 0
 
    def update(self, x):
        """
        평균을 위한 데이터를 업데이트 하는 기능
        args:
            x (list[float]): 측정 데이터
        """
        self.sum_value += sum(x)
        self.count += len(x)
 
    def mean(self):
        """
        평균을 출력해주는 기능
        return (float): 측정치의 평균
        """
        if self.count == 0:
            return 0
        return self.sum_value / self.count
 
class AverageMeterDict(object):
    """
    데이터 또는 측정 방법에 대해 키를 설정하고 해당 키에 대한 측정치 평균계산을 위한 클래스
    args:
        keys (list[str]): 설정할 키
    """
    def __init__(self, keys):
        self.meters = {}
        for key in keys:
            self.meters[key] = AverageMeter()
 
    def update(self, data):
        """
        키에 대한 측정치를 업데이트 하는 기능
        args:
            data (dict): 키에 대한 측정 데이터
        """
        for key, x in data.items():
            self.meters[key].update(x)
    
    def mean(self):
        """
        키에 대한 측정치 평균을 출력해주는 기능
        return (dict): 측정치의 평균
        """
        ret = {}
        for key, meter in self.meters.items():
            ret[key] = meter.mean()
        return ret
 
    def calc_saummary(self):
        """
        요약정보를 출력하는 기능
        모든 데이터에 대한 평균과 키의 평균에대한 평균값을 계산하는 기능
        """
        total_correct = 0
        total_cnt = 0
        sum_acc = 0
        
        for key, meter in self.meters.items():
            total_correct += meter.sum_value
            total_cnt += meter.count
            sum_acc += meter.mean()
        
        return total_correct/total_cnt, sum_acc/len(self.meters.keys())
 
    def print_str(self):
        """
        요약 내용을 화면에 출력해 주는 기능
        모든 데이터의 평균, 측정치의 평균
        """
        msg = ''
        
        for key, meter in self.meters.items():
            msg += f'  {key} : {meter.mean()*100:.2f}'
        
        total_acc, acc_mean = self.calc_saummary()
        msg += f'   total acc : {total_acc*100:.2f}, acc_mean : {acc_mean*100:.2f}'
        return msg
 
def top1_acc(data, pred_key, gt_key, target_idx=None):
    """
    top1 정확도를 계산하는 기능
    args:
        data ():
        pred_key ():
        target_idx ():
    """
    if target_idx is None:
        return data[pred_key] == data[gt_key]
    else:
        return data[pred_key][target_idx] == data[gt_key][target_idx]
 
def top1_acc_dict(data, pred_key, gt_key):
    """
    여러 결과에 대한 top1 정확도를 계산하는 기능
    """
    acc = {}
    for p_key, g_key in zip(pred_key, gt_key):
        acc[p_key] = top1_acc(data, p_key, g_key)
 
    return acc
 
def top1_acc_multi_task(data, pred_key, gt_key, target_tasks, task_key):
    """
    특정 테스크에 대한 top1 정확도를 계산하는 기능
    """
    acc = {}
    for p_key, g_key, t_task in zip(pred_key, gt_key, target_tasks):
        t_idx = [task == t_task for task in data[task_key]]
        t_idx = torch.tensor(t_idx)
 
        acc[p_key] = top1_acc(data, p_key, g_key, t_idx)
    return acc