Question

我正在关注TensorFlow文档中的示例，特别是example 1，其中度量标准分配如下：

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

我想知道：我如何实现不同的准确度指标。例如MAP（平均精度）。假设我有一个功能：

import numpy as np

def accuracyMAP(y_pred, y_real):

    def __precision_at_k(r, k):   
        r = np.asarray(r)[:k] != 0
        return np.mean(r)

    temp_sorted = y_real[np.argsort(-y_pred)]
    till = np.where(temp_sorted==1)
    r = temp_sorted[:till[0]+1]
    return __precision_at_k(r, len(r))

一种方法是进行预测并将mean_precision_scorce函数传递给它：

for batch_xs in x:
    y_pred = sess.run(y, feed_dict={x: batch_xs})
    acc = accuracyMAP(y_true, y_pred)

其中y_true和y_predicted都转换为numpy数组。但有没有办法与Tensorflow的例子类似？有提示吗？

Answer 1

如果您的mean_precision_score功能可以在TF张量上运行，您只需执行：acc = mean_precision_score(y_true, y)及更高版本sess.run(acc, ...)。

在TensorFlow中实现精度指标

1 个答案: