[0, 1, 1, ...]我正在為某些給定的真值標簽（例如）和概率（例如）編寫自己的準確性函數（正確預測數/總預測數）[[0.8, 0.2], [0.3, 0.7], [0.1, 0.9] ...]。我不想使用諸如 sklearn 之類的庫函數accuracy_score()。我使用 for 循環創建了這個版本：def compute_accuracy(truth_labels, probs):    total = 0    total_correct = 0    for index, prob in enumerate(probs):        predicted_label = 0 if prob[0] > 0.5 else 1        if predicted_label == truth_labels[index]:            total_correct += 1        total += 1    if total:        return total_correct / total    else:        return -1我現在希望通過矢量化來提高效率。我的目標是檢查概率 > 0.5 是否與真值標簽匹配：import numpy as npdef compute_accuracy(truth_labels, probs):    return ((np.array(probs[:][value_of_truth_labels_at_same_index]) > 0.5).astype(int) == np.array(truth_labels)).mean()此時我不知道如何退出value_of_truth_labels_at_same_index而不返回 for 循環。