Question

我正在关注this link中的教程并尝试更改模型的评估方法（位于底部）。我想获得前5名评估，并且我试图使用以下代码：

topFiver=tf.nn.in_top_k(y, y_, 5, name=None)

然而，这会产生以下错误：

File "AlexNet.py", line 111, in <module>
    topFiver = tf.nn.in_top_k(pred, y, 5, name=None)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_nn_ops.py", line 346, in in_top_k
    targets=targets, k=k, name=name)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/op_def_library.py", line 486, in apply_op
    _Attr(op_def, input_arg.type_attr))
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/op_def_library.py", line 59, in _SatisfiesTypeConstraint
    ", ".join(dtypes.as_dtype(x).name for x in allowed_list)))
TypeError: DataType float32 for attr 'T' not in list of allowed values: int32, int64

据我所知，问题是tf.nn.in_top_k()仅适用于tf.int32或tf.int64数据，但我的数据采用tf.float32格式。有没有解决方法呢？

Answer 1

tf.nn.in_top_k(predictions, targets, k)的targets参数必须是类ID的向量（即predictions矩阵中的列索引）。这意味着它只适用于单类分类问题。

如果您的问题是单一类问题，那么我假设您的y_张量是您示例的真实标签的一个热门编码（例如，因为您也将它们传递给类似{ {3}}。在这种情况下，您有两种选择：

如果标签最初存储为整数标签，请将它们直接传递给tf.nn.in_top_k()，而不将其转换为单热。（另外，考虑使用tf.nn.softmax_cross_entropy_with_logits()作为损失函数，因为它可能更有效。）
如果标签最初以单热格式存储，您可以使用tf.argmax()将它们转换为整数：
```
labels = tf.argmax(y_, 1)
topFiver = tf.nn.in_top_k(y, labels, 5)
```

TensorFlow in_top_k评估输入论证

1 个答案: