TFLearn - 评估模型

Question

我正在使用TFLearn Alexnet样本和我自己的数据集。

接下来，我想对测试数据进行分类并确定模型的准确性。

1. TFLearn API提供方法model.predict()和model.evaluate()。
2. model.predict()给出测试数据集中每个图像的预测结果。如何使用结果来获得准确性？
3. model.evaluate()给出测试数据的准确度分数。有没有办法获得每批的准确性？

Answer 1

# Evaluate model
score = model.evaluate(test_x, test_y)
print('Test accuarcy: %0.4f%%' % (score[0] * 100))

# Run the model on one example
prediction = model.predict([test_x[0]])
print("Prediction: %s" % str(prediction[0][:3]))  # only show first 3 probas

如何使用结果来获得准确性？

1. 获取每个预测的argmax以获得预测的等级
2. 如果您有一个热门的编码标签，可能还会使用标签的argmax来获取索引
3. 准确度=总和（预测标签==目标标签）/ len（预测标签）

有没有办法获得每批的准确度？

batch_index = 42
batch_size = 128
batch_x = test_x[batch_index * batch_size : (batch_index + 1) * batch_size]
batch_y = test_y[batch_index * batch_size : (batch_index + 1) * batch_size]
score = model.evaluate(batch_x, batch_y)
print('Batch accuarcy: %0.4f%%' % (score[0] * 100))

Answer 2

预测结果的准确性

如@Martin所述，预测数组中的最大值是由模型预测的类。您将该类与实际值进行比较：匹配会在不匹配减少时提高准确性。

{
    "version": "0.2.0",
    "configurations": [
        {
            "type": "chrome",
            "request": "launch",
            "name": "Launch Chrome against localhost",
            "url": "http://localhost:4200",
            "webRoot": "${workspaceRoot}",
            "sourceMaps": true,
            "sourceMapPathOverrides": {
                     "webpack:///./*": "${workspaceRoot}\\*"
            }
        },
        {
            "type": "chrome",
            "request": "attach",
            "name": "Attach to Chrome",
            "port": 9222,
            "webRoot": "${workspaceRoot}"
        }
    ]
}

Answer 3

在回复之下：

1. 使用model.predict()
时，您可以通过将预测类别与有效类别进行比较来计算准确度
2. 不，我知道。我不确定它是否也可用作用例：通常您对要评估的数据集/分区的整体准确性感兴趣。