pytorchのmulticlass_recallでサイズのエラーが発生する

実現したいこと

torchで再現率を求めたいです．
正解率と適合率も同様のコードで実行しましたが，問題なく出力できました．

発生している問題・分からないこと

multiclass_recallをimportして適合率を求めようとした際，エラーが発生しました．average=microで実行した際はエラーが出ませんでしたが，average=macroで実行するとエラーが出ます．

適合率に関するコードは載せている分で全部です．
recall_computeなどは書いていません．

train_predicted_labels
train_labels
test_predicted_labels
test_labels
上記の次元数を確認したところ，すべて１でした

エラーメッセージ

error

1--------------------------------------------------------------------------- 2NameError Traceback (most recent call last) 3~\AppData\Local\Temp\ipykernel_15352\1130156697.py in <module> 4----> 1 print("num_tp size:", num_tp.size()) 5 2 print("num_labels size:", num_labels.size()) 6 3 print("num_predictions size:", num_predictions.size()) 7 8NameError: name 'num_tp' is not defined

該当のソースコード

recall

1#recall再現率 2from torcheval.metrics.functional.classification import multiclass_recall 3import torch 4 5unet.eval() 6train_recall_list = [] 7test_recall_list = [] 8 9# トレーニング中に保存されたモデルのエポック数 10epochs = list(range(1, 5)) # 適切なエポック数に変更してください 11 12with torch.no_grad(): 13 for epoch in epochs: 14 # モデルの読み込み 15 model_path = f"./train_{epoch}.pth" 16 unet.load_state_dict(torch.load(model_path)) 17 18 # トレーニングデータの正解率を計算 19 train_epoch_recall = 0 20 num_train_batches = len(train_loader) 21 for i, train_data in enumerate(train_loader): 22 train_inputs, train_labels_one_hot = train_data["img"].to(device), train_data["label"].to(device) 23 train_outputs = unet(train_inputs) 24 25 train_predicted_labels = torch.argmax(train_outputs, dim=1).view(-1) 26 train_labels = torch.argmax(train_labels_one_hot, dim=1).view(-1) 27 28 # ターゲットテンソルを平坦化 29 #train_labels_flat = train_labels.view(-1) # ここで1次元のラベルに変更 30 31 train_recall = multiclass_recall( 32 input=train_predicted_labels, 33 target=train_labels, # 修正した1次元のラベルを使用 34 num_classes=4, 35 average="macro" 36 ).item() 37 38 39 train_epoch_recall += train_recall 40 41 # トレーニングデータの1エポックごとの平均正解率を計算 42 average_train_recall = train_epoch_recall / num_train_batches 43 train_recall_list.append(average_train_recall) 44 45 # テストデータの正解率を計算 46 test_epoch_recall = 0 47 num_test_batches = len(test_loader) 48 for j, test_data in enumerate(test_loader): 49 test_inputs, test_labels_one_hot = test_data["img"].to(device), test_data["label"].to(device) 50 test_outputs = unet(test_inputs) 51 52 test_predicted_labels = torch.argmax(test_outputs, dim=1).view(-1) 53 test_labels = torch.argmax(test_labels_one_hot, dim=1).view(-1) 54 55 # ターゲットテンソルを平坦化 56 #test_labels_flat = train_labels.view(-1) 57 58 test_recall = multiclass_recall( 59 input=test_predicted_labels, 60 target=test_labels, 61 num_classes=4, 62 average="macro" 63 ).item() 64 65 test_epoch_recall += test_recall 66 67 # テストデータの1エポックごとの平均正解率を計算 68 average_test_recall = test_epoch_recall / num_test_batches 69 test_recall_list.append(average_test_recall) 70 71# トレーニングデータとテストデータの正解率の推移をプロット 72plt.plot(epochs, train_recall_list, label='Train recall') 73plt.plot(epochs, test_recall_list, label='Test recall') 74plt.xlabel('Epoch') 75plt.ylabel('Recall') 76plt.title('Model Recall') 77plt.legend() 78plt.show() 79

試したこと・調べたこと

上記の詳細・結果

chatGPTに聞いたところ，以下のように返ってきました．
エラーメッセージを見ると、次のようになっています。

「これは、テンソルのサイズが一致していないというエラーです。具体的には、num_tpとnum_labelsのサイズが一致していないようです。

それでは、_recall_compute関数を確認してみましょう。この関数では、num_tp（true positives）、num_labels（true positives + false negatives）、およびnum_predictions（true positives + false positives）を使用して再現率を計算します。エラーが発生する行はおそらく次の行です：

recall = num_tp / num_labels
ここで、num_tpとnum_labelsのサイズが一致していないとエラーが発生します。それでは、_recall_update関数の中身を確認して、なぜこれらのサイズが一致していないのかを見てみましょう。

def _recall_update(input, target, num_classes, average):
# ... この中で num_tp, num_labels, num_predictions を計算

return num_tp, num_labels, num_predictions

この関数内で、num_tp、num_labels、およびnum_predictionsを計算している部分が原因かもしれません。各変数のサイズを確認して、問題を特定しましょう。

print("num_tp size:", num_tp.size())
print("num_labels size:", num_labels.size())
print("num_predictions size:", num_predictions.size())
これらの出力を確認して、サイズが一致しているかどうかを確認してください。もし問題が見つからない場合は、_recall_update関数全体を共有していただければ、より具体的なアドバイスができるかもしれません。」

_recall_update関数は実装していないのでわかりませんでした．

補足

from torcheval.metrics.functional.classification import multiclass_recallを
from torcheval.metrics.functional import multiclass_recallとしたところ，エラーは以下のように変わりました．

RuntimeError Traceback (most recent call last)
~\AppData\Local\Temp\ipykernel_15352\1811738422.py in <module>
33 target=train_labels, # 修正した1次元のラベルを使用
34 num_classes=4,
---> 35 average="macro"
36 ).item()
37

c:\Users\manah\anaconda3\envs\local_GPU\lib\site-packages\torch\autograd\grad_mode.py in decorate_context(*args, **kwargs)
25 def decorate_context(*args, **kwargs):
26 with self.clone():
---> 27 return func(*args, **kwargs)
28 return cast(F, decorate_context)
29

c:\Users\manah\anaconda3\envs\local_GPU\lib\site-packages\torcheval\metrics\functional\classification\recall.py in multiclass_recall(input, target, num_classes, average)
151 input, target, num_classes, average
152 )
--> 153 return _recall_compute(num_tp, num_labels, num_predictions, average)
154
155

c:\Users\manah\anaconda3\envs\local_GPU\lib\site-packages\torcheval\metrics\functional\classification\recall.py in _recall_compute(num_tp, num_labels, num_predictions, average)
193 num_tp = num_tp[mask]
...
--> 195 recall = num_tp / num_labels
196
197 isnan_class = torch.isnan(recall)

RuntimeError: The size of tensor a (2) must match the size of tensor b (4) at non-singleton dimension 0