Tensor型配列の中身をboolから実数にしたい

Question

前提・実現したいこと

機械学習初心者なのでいろいろとネットに上がっているソースコードをいろいろと試しています。今現在はpyTorchを用いて機械学習の勉強をしています。
ソースコード中の「評価指標の表示」の項目にてscikit-learnのclassification_reportを用いようとしましたが、y_predの配列がTrueとFalseの二値に変わっていたため、コード内の一番最後のprintメソッドに対して以下のようなエラーコードが発生していました。replaceやassignなどのメソッドを用いてTrueとFalseの値を変更しようとしましたがエラーがでて動きませんでした。
どうすればy_predの配列の中身をTrueとFalseから実数値に変えられるでしょうか。もしくはこのコードに書いてある方法以外にy_predを変換できる方法はありますでしょうか

発生している問題・エラーメッセージ

ValueError: Classification metrics can't handle a mix of continuous and binary targets

該当のソースコード

import torch
import os
import numpy as np
import pandas as pd
from tqdm import tqdm
import seaborn as sns
from pylab import rcParams
import matplotlib.pyplot as plt
from matplotlib import rc
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, classification_report
from torch import nn, optim
import torch.nn.functional as F

RANDOM_SEED = 42
np.random.seed(RANDOM_SEED)
torch.manual_seed(RANDOM_SEED)

df = pd.read_csv("./Desktop/work_chem/descriptors_with_pIC50.csv")
df = df.dropna(how='any')
#X = df.drop("pIC50", axis=1)
#X=X.drop(X.columns[np.isnan(X).any()], axis=1)
#X=df.loc[:,['fr_pyridine','VSA_EState7','VSA_EState4','EState_VSA4','EState_VSA5','fr_unbrch_alkane','PEOE_VSA7','Chi1n','fr_aryl_methyl','fr_bicyclic']]
X=df.loc[:,['MaxEStateIndex','MinEStateIndex','MaxAbsEStateIndex','MinAbsEStateIndex','qed','MolWt','HeavyAtomMolWt','ExactMolWt','NumValenceElectrons','FpDensityMorgan1']]
Y = df["pIC50"]
X = X.drop(X.columns[X.std() == 0], axis=1)  # 標準偏差が 0 の特徴量 (記述子) を削除
autoscaled_X = (X - X.mean()) / X.std()  # オートスケーリング

#Tensor変換
X_train, X_test, Y_train, Y_test = train_test_split(autoscaled_X,Y,test_size=0.25,random_state=RANDOM_SEED)
X_train = torch.from_numpy(X_train.to_numpy()).float()
Y_train = torch.squeeze(torch.from_numpy(Y_train.to_numpy()).float())
X_test = torch.from_numpy(X_test.to_numpy()).float()
Y_test = torch.squeeze(torch.from_numpy(Y_test.to_numpy()).float())
print(X_train.shape, Y_train.shape)
print(X_test.shape, Y_test.shape)

#モデル構築
class Net(nn.Module):
    def __init__(self,n_features):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(n_features, 11)
        self.fc2 = nn.Linear(11, 5)
        self.fc3 = nn.Linear(5, 1)
        
    def forward(self,x):
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        return torch.sigmoid(self.fc3(x))
    
net=Net(X_train.shape[1])

# 損失関数
criterion = nn.BCELoss()
# 最適化関数
optimizer = optim.Adam(net.parameters(), lr=0.001)
# 正解率の計算
def calculate_accuracy(y_true, y_pred):
  predicted = y_pred.ge(.5).view(-1)
  return (y_true == predicted).sum().float() / len(y_true)

def round_tensor(t, decimal_places=3):
  return round(t.item(), decimal_places)

# 学習
for epoch in range(1000):
  y_pred = net(X_train)
  y_pred = torch.squeeze(y_pred)
  train_loss = criterion(y_pred, Y_train)
  if epoch % 100 == 0:
    # 訓練データの正解率の計算
    train_acc = calculate_accuracy(Y_train, y_pred)
    
    # モデル
    y_test_pred = net(X_test)
    y_test_pred = torch.squeeze(y_test_pred)
    
    # 損失関数の計算
    test_loss = criterion(y_test_pred, Y_test)
    
    # テストデータの正解率の計算
    test_acc = calculate_accuracy(Y_test, y_test_pred)
    
    # 出力
    print(f'''epoch {epoch}
      Train set - loss: {round_tensor(train_loss)}, accuracy: {round_tensor(train_acc)}
      Test  set - loss: {round_tensor(test_loss)}, accuracy: {round_tensor(test_acc)}
      ''')
      
    # 最適化
    optimizer.zero_grad()
    train_loss.backward()
    optimizer.step()

# モデルの保存
MODEL_PATH = 'model.pth'
torch.save(net, MODEL_PATH)
# モデルの読み込み
net = torch.load(MODEL_PATH)
# 評価指標の表示
classes = ['pIC50']
y_pred = net(X_test)
y_pred = y_pred.ge(5).view(-1).cpu()
Y_test = Y_test.cpu()
print(Y_test)
print(y_pred)
print(classification_report(Y_test, y_pred, target_names=classes))

補足情報（FW/ツールのバージョンなど）

使用環境：Anaconda3
Jupyter notebook

Answer 1

y_pred = y_pred.int() でTrueは1に、Falseは0に変換されます。numpyでのastype(int)と同様の動作です。
floatにしたいのであれば、y_pred = y_pred.float()です。

Comments

[hamasaki]

回答ありがとうございます。あと、返信遅れてすみません。
y_pred = y_pred.int()として実行を行ったとき、y_testとy_pred配列の形がそれぞれ
tensor([4.0000, 4.8500, 4.3010, ..., 7.5700, 6.1000, 5.4100])
tensor([0, 0, 0, ..., 0, 0, 0], dtype=torch.int32)
となっていました。エラーは変わらずです。
同じような形状の配列にするためにはどうすればよいでしょうか？

[toast-uz]

floatにしたいのであれば、y_pred = y_pred.float() です。