Question

我正在研究多标签问题，我正在尝试确定模型的准确性。

我的模特：

NUM_CLASSES = 361

x = tf.placeholder(tf.float32, [None, IMAGE_PIXELS])
y_ = tf.placeholder(tf.float32, [None, NUM_CLASSES])

# create the network
pred = conv_net( x )

# loss
cost = tf.reduce_mean( tf.nn.sigmoid_cross_entropy_with_logits( pred, y_) )

# train step
train_step   = tf.train.AdamOptimizer().minimize( cost )

我想以两种不同的方式计算准确度 - 正确预测的所有标签的百分比 - 正确预测所有标签的图像百分比

不幸的是，我只能计算出正确预测的所有标签的百分比。

我认为此代码会计算正确预测所有标签的图像百分比

correct_prediction = tf.equal( tf.round( pred ), tf.round( y_ ) )

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

和所有正确预测的标签的代码％

pred_reshape = tf.reshape( pred, [ BATCH_SIZE * NUM_CLASSES, 1 ] )
y_reshape = tf.reshape( y_, [ BATCH_SIZE * NUM_CLASSES, 1 ] )

correct_prediction_all = tf.equal( tf.round( pred_reshape ), tf.round( y_reshape ) )

accuracy_all = tf.reduce_mean( tf.cast(correct_prediction_all, tf.float32 ) )

不知何故，属于一个图像的标签的一致性会丢失，我不知道为什么。

Answer 1

我相信您的代码中的错误位于：example.com/link/example?param=value。

apple-app-site-association应该是非标定日志（即没有最终的sigmoid）。

在这里，您要比较correct_prediction = tf.equal( tf.round( pred ), tf.round( y_ ) )和pred的输出（均在sigmoid(pred)区间内），因此您必须写：

y_

然后计算：

所有标签的平均准确度：

[0, 1]

所有标签需要正确的准确度：

correct_prediction = tf.equal(tf.round(tf.nn.sigmoid(pred)), tf.round(y_))

Answer 2

# to get the mean accuracy over all labels, prediction_tensor are scaled logits (i.e. with final sigmoid layer)
correct_prediction = tf.equal( tf.round( prediction_tensor ), tf.round( ground_truth_tensor ) )
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

# to get the mean accuracy where all labels need to be correct
all_labels_true = tf.reduce_min(tf.cast(correct_prediction, tf.float32), 1)
accuracy2 = tf.reduce_mean(all_labels_true)

参考：https://gist.github.com/sbrodehl/2120a95d57963a289cc23bcfb24bee1b

Tensorflow，多标签精度计算

2 个答案: