samuellangajr

import torch
import torch.nn as nn
import torch.nn.utils.prune as prune
import torch.quantization

# Exemplo de um modelo simples (CNN)
class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        self.conv = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1)

samuellangajr

from sklearn.metrics import precision_score, recall_score, f1_score, confusion_matrix

def avaliar_desempenho(y_true, y_pred):
    """
    Avalia o desempenho do modelo de classificação de veículos usando precisão, recall e F1-score.
    
    Parâmetros:
    y_true (list ou array): Rótulos reais (verdadeiros).
    y_pred (list ou array): Rótulos previstos pelo modelo.
    

samuellangajr

import torch
import torch.nn as nn
import numpy as np
from sklearn.utils.class_weight import compute_class_weight
from imblearn.over_sampling import SMOTE

# Dados de exemplo: classe 0: 1000 amostras, classe 1: 100 amostras
y_train = np.array([0]*1000 + [1]*100)

# 1. Pesos nas classes