前言

最近项目开发过程中遇到了$torchnet.meter$来记录模型信息，搜了好多篇博客潦潦草草，没有一点干货，于是根据官方代码和官方文档，基于自己的理解，制定了使用教程:

torchnet简介

torchnet是torch的一个框架，它提供了一套抽象概念，旨在鼓励代码复用和模块化编程，其提供了四个重要的类：
 

每个Meter子类都有三个方法

Classification Meters

APMeter计算每个类的AP，即平均精度average precision。

mAPMeter计算所有类别的mAP，即平均AP。

ClassErrorMeter计算模型的accuracy，即准确率。

ConfusionMeter计算多分类模型的confusion matrix，即混淆矩阵。不支持 multi-label和multi-class问题，对于这类问题可以使用 MultiLabelConfusionMeter。

AverageValueMeter计算均值和标准差。

AUCMeter计算AUC，即ROC曲线下的面积，用于二分类。

MovingAverageValueMeter计算当前状态前windowsize个数的均值和标准差，即计算最后windowsize个数的均值和标准差。

MSEMeter计算模型的MSE，即均方误差。

TimeMeter可以用来计算模型处理数据的时间。

总结

大致记录以下，其有什么以及其使用的功能， 根据使用什么来进行学习与研究，慢慢的将其搞定，将其研究透彻都行啦的理由与打算。