2024-06-07 10:44:56 发布
网友
我目前有两个文件,reference.txt和model.txt。这两个文本文件包含原始字幕和培训后生成的字幕。 我可以简单地执行以下操作以获得流星分数:
score = nltk.translate.meteor_score.meteor_score(reference, model) print(np.mean(meteor_score))
我也在寻找https://github.com/tylin/coco-caption,但我不知道如何实现这一点
让我们从定义术语开始
参考:实际文本/基本事实。如果有多个人为同一数据点生成基本事实,那么您将有多个引用,并且假设所有引用都是正确的
假设:候选人/预测
让我们假设这两个人看一张图片,他们看到了标题
现在,您的模型查看图像并预测
你可以计算meteor_的分数来衡量预测的效果
print (nltk.translate.meteor_score.meteor_score( ["this is an apple", "that is an apple"], "an apple on this tree")) print (nltk.translate.meteor_score.meteor_score( ["this is an apple", "that is an apple"], "a red color fruit"))
输出:
0.6233062330623306 0.0
在您的例子中,您必须将reference.txt读入一个列表,并将类似的模型预测读入另一个列表。现在您必须获得第一个列表中每一行的meteor_score,第二个列表中的每一行,最后取一个平均值
reference.txt
meteor_score
让我们从定义术语开始
参考:实际文本/基本事实。如果有多个人为同一数据点生成基本事实,那么您将有多个引用,并且假设所有引用都是正确的
假设:候选人/预测
让我们假设这两个人看一张图片,他们看到了标题
现在,您的模型查看图像并预测
你可以计算meteor_的分数来衡量预测的效果
输出:
在您的例子中,您必须将
reference.txt
读入一个列表,并将类似的模型预测读入另一个列表。现在您必须获得第一个列表中每一行的meteor_score
,第二个列表中的每一行,最后取一个平均值相关问题 更多 >
编程相关推荐