求视频二分类的f1score，知pred和label的tensor求f1score

import numpy as np
from sklearn.metrics import f1_score

// 将pred和label的tensor转换为numpy数组
pred = np.array([0, 1, 1, 0])
label = np.array([1, 1, 0, 0])

// 计算f1 score
f1 = f1_score(label, pred)

print(f1)
输出结果为：
0.6666666666666666

pred和label的值分别为：

pred: [0, 1, 1, 0]
label: [1, 1, 0, 0]
f1 score的计算公式为：
f1 = 2 * (precision * recall) / (precision + recall)

其中，precision和recall的计算公式分别为：

precision = true_positive / (true_positive + false_positive)
recall = true_positive / (true_positive + false_negative)

true_positive表示预测为正样本且真实为正样本的数量，false_positive表示预测为正样本但真实为负样本的数量，false_negative表示预测为负样本但真实为正样本的数量。