Question

我从张量流中调整cifar10网络，以解决我自己的分类问题。我已经训练了网络，现在我尝试使用cifar10_eval.py

评估训练模型

top_k_op = tf.nn.in_top_k(logits, labels, 1)

但我得到以下错误。经过进一步调查，目标指数在2,3和4之间变化

tensorflow.python.framework.errors.InvalidArgumentError: targets[3] is out of range

到现在为止，我知道我的标签 - Tensor出了问题。它是一个int32-Tensor，形状（50，）如下所示。

labels = {Tensor} Tensor("batch_processing/Reshape_1:0", shape=(50,), dtype=int32, device=/device:CPU:0)

我的数据集只有2个类/标签。也许这可能是问题所在。有谁知道，问题是什么？

Answer 1

总结一下，函数tf.nn.in_top_k(predictions, targets, k)（参见doc）有参数：

预测：shape [batch_size, num_classes]，输入float32
targets（正确的标签）：shape [batch_size]，输入int32或int64

当InvalidArgumentError: targets[i] is out of range元素targets[i]超出范围时，该函数会引发错误predictions[i]。

例如，有2个类（num_classes=2）和targets=[1, 3]。使用这些目标时，您会看到错误InvalidArgumentError: targets[1] is out of range，因为targets[1] = 3超出predictions[1]范围仅为2的范围。

要检查您的labels是否正确，您可以打印最大值：

labels = ...
labels_max = tf.reduce_max(labels)

sess = tf.Session()
print sess.run(labels_max)

如果打印的值高于num_classes，则表示您遇到问题。

Answer 2

因此，如果您以一种热编码的方式进行预测，则目标必须是放置一（1）种热的正确索引。例如：

bb=tf.nn.in_top_k([[0,1],[1,0],[0,1]]  ,   [1,1,1],1)

将返回：

[正确错误正确]

因此，您必须将可能是一个热门的目标转换为该索引方法

脾气暴躁：

targetsindex = np.argmax(targets, axis=1)

张量：

targetsindex = tf.argmax(targets, axis=0)

tf.nn.in_top_k：目标超出范围

2 个答案: