运行PyTorch FashionMNIST ResNet代码遇ValueError问题求助

错误核心原因：FashionMNIST是10分类任务，但代码里计算分类指标（如精确率、召回率、F1值）时，使用了仅适用于二分类场景的average='binary'参数，导致参数与任务类型不匹配。

直接修改代码中指标计算函数的average参数即可，可选的多分类适配参数说明：

• average='macro'：计算所有类别指标的算术平均值，平等对待每个类别，适合样本分布均衡的场景
• average='weighted'：按每个类别的样本数量加权计算平均值，能平衡样本不平衡带来的偏差
• average='micro'：基于全局的真阳性、假阳性、假阴性统计值计算指标，聚焦整体分类效果
• average=None：返回每个类别的单独指标结果，可用于分析单个类别的表现

代码修改示例 #

假设原代码中有如下指标计算语句：

from sklearn.metrics import f1_score
f1 = f1_score(y_true, y_pred, average='binary')

将其修改为（以加权平均为例）：

f1 = f1_score(y_true, y_pred, average='weighted')

内容的提问来源于stack exchange，提问作者Jason Wang