图像Precision/Recall报错：指标不支持multilabel-indicator与multiclass混合目标

• 直接触发报错的原因：sklearn的分类指标函数不支持混合传入multiclass和multilabel-indicator两类目标类型，两类输入的形状规则完全不兼容。
  • 你在指标函数内部对传入的输出值执行了torch.max(op, dim=1)操作，将原本[768,1024]的二维矩阵压缩为长度768的一维向量，被sklearn识别为multiclass类型
  • 你传入的标签值仍保持[768,1024]的二维矩阵形状，被sklearn识别为multilabel-indicator类型
  • 你虽然在图像加载环节将两个原始张量调整为相同的二维形状，但函数内部的维度操作导致最终传入指标函数的输入形状不匹配，因此即使视觉上形状对齐仍会报错。
• 深层逻辑错误：
  1. 维度操作适用场景错误：
     • 原函数中torch.max(op, dim=1)的维度选择错误：若输入是无batch维的[C, H, W]格式模型输出，类别通道维是dim=0而非dim=1，沿着高度/宽度维度取max得到的结果完全不符合逐像素预测的要求
     • 你传入的op已经是没有通道维的二维单通道图，此时执行dim=1的max操作，会将二维矩阵压缩为一维向量，直接引发输入类型不匹配的报错。
  2. 缺少必需的展平步骤：逐像素计算分类指标时，需要把[H,W]形状的预测、标签矩阵全部展平为一维向量，sklearn的分类指标不支持直接输入二维图像矩阵（会被自动识别为多标签输入，而非逐像素分类输入）。
  3. 数据加载逻辑混淆：你将单通道PNG标注图作为模型输出，将三通道彩色JPG图作为真值，对三通道图按通道维做argmax得到的结果并非逐像素的真实类别标注，会进一步导致指标计算结果失真。
  4. 变量名冲突：原代码中自定义的f1函数和存储计算结果的f1变量重名，会覆盖函数定义导致后续调用错误。

• 第一步：对齐输入格式
  • 模型输出：若为三通道logits格式[3, H, W]，在通道维（dim=0）做argmax，得到形状为[H, W]的逐像素预测类别矩阵
  • 真值标注：直接读取单通道标注图（形状为[H, W]），每个像素值对应真实类别
• 第二步：调整指标计算逻辑
  • 去掉原函数中针对无通道维输入的torch.max操作
  • 把预测矩阵、标签矩阵全部展平为一维张量，再传入sklearn的指标函数
• 修正后的完整代码示例：

from sklearn.metrics import precision_score, recall_score, f1_score
import torch
import numpy as np
from PIL import Image
from torchvision import transforms

def precision(preds, labels):
    # 展平为一维向量，匹配sklearn输入要求
    preds_flat = preds.flatten()
    labels_flat = labels.flatten()
    return torch.tensor(precision_score(labels_flat, preds_flat, average='micro'))

def recall(preds, labels):
    preds_flat = preds.flatten()
    labels_flat = labels.flatten()
    return torch.tensor(recall_score(labels_flat, preds_flat, average='weighted', zero_division=1))

def f1_score_func(preds, labels):
    preds_flat = preds.flatten()
    labels_flat = labels.flatten()
    return torch.tensor(f1_score(labels_flat, preds_flat, average='weighted'))

# 读取模型输出（三通道logits格式）
img_model = Image.open('model_output.png')
numpydata_model = np.array(img_model).astype('uint8')
numpydata_model = transforms.ToTensor()(numpydata_model)
# 对通道维做argmax得到逐像素预测类别
preds = torch.argmax(numpydata_model, dim=0).squeeze()
print("final preds shape", preds.shape)

# 读取真值标注（单通道）
img_gt = Image.open('gt_label.png')
numpydata_gt = np.array(img_gt).astype('uint8')
labels = torch.from_numpy(numpydata_gt)
print("final labels shape", labels.shape)

prec = precision(preds, labels)
print("precision is", prec)
rec = recall(preds, labels)
print("recall is", rec)
f1_score_val = f1_score_func(preds, labels)
print("f1 score is", f1_score_val)

• 不要把带通道维的输出和已经argmax完的二维矩阵传给原指标函数，否则会重复执行取max的操作，得到错误结果
• 若计算时仍出现维度不匹配报错，可通过print(preds.shape, labels.shape)确认两个矩阵展平后的长度完全一致

内容的提问来源于stack exchange，提问作者xubi