时间戳

首页 > 解决方案 > 用于张量流中不同数量元素的标签和预测的精度和召回 eval_metrics

python - 用于张量流中不同数量元素的标签和预测的精度和召回 eval_metrics

问题描述

我在 Tensorflow 中将精度和召回率注册为 eval_metrics 时遇到问题。我的标签和预测没有相同数量的元素，所以我不能使用已经内置的函数。我有计算精度和召回率的功能，但我似乎无法获得precision_update_op 和recall_update_op。有什么想法可以从标签、预测和前面提到的计算精度和召回函数中获得吗？谢谢

标签： pythontensorflow

解决方案

这是一个简单的示例，说明如何构建自己的指标。我将演示mean，您应该也能够适应上述内容。

def mean_metrics(values):
   """ For mean, there are two variables that are 
 required to hold the sum and the total number of variables"""

   # total sum
   total = tf.Variable(initial_value=0., dtype=tf.float32, name='total')

   # total count
   count = tf.Variable(initial_value=0., dtype=tf.float32, name='count')

   # Update total op by updating total with the sum of the values
   update_total_op = tf.assign_add(total, tf.cast(tf.reduce_sum(values), tf.float32))

   # Update count op by updating the total size of the values
   update_count_op = tf.assign_add(count, tf.cast(tf.size(tf.squeeze(values)), tf.float32))

   # Mean
   mean = tf.div(total, count, 'value')

   # Mean update op
   update_op = tf.div(update_total_op, update_count_op, 'value')

   return mean, update_op

测试上面的代码：

tf.reset_default_graph()
values = tf.placeholder(tf.float32, shape=[None])

mean, mean_op = mean_metrics(values)

with tf.Session() as sess:
   tf.global_variables_initializer().run()
   print(sess.run([mean, mean_op], {values:[1.,2.,3.]}))
   print(sess.run([mean, mean_op], {values:[4.,5.,6.]}))

#output
#[nan, 2.0]
#[2.0, 3.5]

推荐阅读