有没有一种方法可以根据Pytorch的损失函数计算RNN模型的准确性？

Question

我在Pytorch中使用lstm，我想计算训练的准确性。我在这里找到了一个类似的问题：Calculate the accuracy every epoch in PyTorch，但这不是我想要的，因为我不想手动应用任何随机阈值。还有其他方法可以根据我得到的损失来计算准确性吗？

这是我制作的模型。输出为一维张量的形式，其中包含从0到1的值。我正在尝试找出模型训练的准确性。

class fullstop(nn.Module):
 def __init__(self):
    super(fullstop, self).__init__()
    self.seq1=nn.LSTM(input_size=300,hidden_size=200)
    self.fc1=nn.Linear(400,400)
    self.relu1 = nn.ReLU()
    self.dout = nn.Dropout(0.2)
    self.fc2 = nn.Linear(400, 100)
    self.prelu = nn.PReLU(1)
    self.out = nn.Linear(100, 1)
    self.out_act = nn.Sigmoid()
    self.fcf=nn.Linear(4,1)


 def forward(self,input1,input2):
    prefix1,h1=self.seq1(input1)
    suffix1,h2=self.seq1(input2)
    prefix1=Variable(prefix1)
    suffix1=Variable(suffix1)
    result=torch.cat((prefix1,suffix1),-1)
    a1 = self.fc1(result)
    h1 = self.relu1(a1)
    dout = self.dout(h1)
    a2 = self.fc2(dout)
    h2 = self.prelu(a2)
    a3 = self.out(h2)
    y = self.out_act(a3)
    t = torch.rand(len(input1), 4, 1)[:, :, -1]
    tf=F.sigmoid(self.fcf(t))
    t_final=tf[:,-1]

    return t_final

FullStop=fullstop()
for t in range(num_epochs):
   # Forward pass
    y_pred = FullStop(X1,X2)
    loss = loss_fn(y_pred, y_actual)
    if t % 10 == 0:
    print("Epoch ", t, "loss1: ", loss.item())
    hist[t] = loss.item()

   # Zero out gradient, else they will accumulate between epochs
   optimiser.zero_grad()

   # Backward pass
   loss.backward()

   # Update parameters
   optimiser.step()