tf和pytorch每轮epoch显示输出的auc是如何计算的？

tf的计算

近似 ROC 或 PR 曲线的 AUC（曲线下面积）。

tf1 通过计算真阳性，假阳性，假阴性，真阴性值的计算策略。

tensorflow AUC & streaming_auc_我爱写报告的博客-CSDN博客

Tf2通过黎曼和进行计算的。

Pytorch

torcheval.metrics.AUC — TorchEval main documentation (pytorch.org)

Sklearn

 根据预测分数计算接收器工作特征曲线 （ROC AUC） 下的面积。

此实现可以与两分类、多类和多标签分类。

参考资料：

torcheval.metrics.AUC — TorchEval main documentation (pytorch.org)

tf.keras.metrics.AUC |张量流 v2.13.0 (tensorflow.org)

AP微积分估值2种方法之：黎曼与梯形法及泰勒级数介绍 | TestDaily厚朴优学

sklearn.metrics.roc_auc_score — scikit-learn 1.3.0 documentation