？我的环境：
？相关教程：
建议您在了解本文之前阅读以下文章，以便更好地理解本文：
？新手进入深度学习|2-1：图像数据建模过程示例
强烈建议您使用编译器打开源代码，您的下一个操作将非常方便！
大家好，我是K同学！这次我准备了一个天气认识的例子。我使用了7种型号等文章来确定天气。数据集包含5,531张不同类型的天气图像。
?关键说明：本文准备了多种算法以进行比较分析。每种算法的学习率是独立的，您可以自由调整，并为您提供许多指标的比较分析。您只需要选择需要比较的模型，指标和数据集即可进行相应的比较分析。
？在此代码中，您也可以探索的内容如下：
？显示结果：
我们的代码流程图如下所示：
评估指数用于衡量深度学习算法模型的质量，并且对深度学习算法模型的评估对于任何项目都是必不可少的。在深度学习中，也有许多不同类型的评估指标可用于衡量。算法模型，例如常用的评估指标。
有关评估指标指标的详细介绍，请参阅：？新手进入深度学习|3-5：评估指标指标
召回率还表示，正确分类的正确分类的正样本的比例是所有阳性样本的比例。
也就是说，ROC曲线下的面积（TPR VS FPR），值为0?1，AUC值越高，分类器效应越好。有关更详细的介绍，请参阅AUC评估索引索引详细说明，准确率，准确率（ACC），灵敏度和规格。
ROC曲线应用的其他示例：
原始：https：//juejin.cn/post/7097506935276044302