Question

我正在使用tensorflow来训练和使用一个小型神经网络（2d分类有两个类），但我有一个非常奇怪的问题而且看不出我做错了什么：当我仅为测试批次绘制the predictions vs the true labels时，准确度会变为1.，我显然有一些错误分类的样本。在我看来，tf.argmax是错误评估为1的准确性的原因，但显然这不是真正的原因。无论如何，我通过计算最后一层输出的准确性得出了这个结论：

with tf.name_scope('accuracy'):
    plabel = tf.argmax(y, 1) # vector of predicted label, elem {0,1}^batch_size
    tlabel = tf.argmax(y_, 1) # similar vector of true labels
    correct_predictions = tf.cast(tf.equal(plabel, tlabel), tf.float32) 
...
with tf.Session() as sess:
    batchx, batchy = generate_batch()
    predictions, acc = sess.run([y, accuracy], feed_dict={x: batchx, y_: batchy})
    mistakes = 0.
    for j in range(batch_size):
        if (predictions[j, 0] - predictions[j, 1])*(batchy[j, 0] - batchy[j, 1]) < 0:
            print("mistake: ", predictions[j], batchy[j])
            mistakes += 1./batch_size
    print("Acc = {} / {} = 1-m/b".format(acc, 1. - mistakes))

x和y_是输入张量，y是最后一层，模型已经训练过。

它给了我以下输出：

Acc = 1.0 / 0.86 = 1-m/b

这些值应该相同。

该图还表明真实精度不是1.，或者评估的精度张量不属于与预测（y）相同的运行。

我发现没有任何迹象表明tf.argmax真的是问题所在，我非常绝望。所以，提前感谢任何帮助

Answer 1

您的准确度函数似乎是正确的，因为您没有发布整个代码，我建议您计算会话内的准确性，因此每次您都可以打印预测内容和真实标签并跟踪执行情况。

获取predictions = sess.run(y, feed_dict={x: batchx, y_: batchy})之类的预测，然后按print predictions.eval()打印预测，然后再次使用plabel = tf.argmax(predictions, 1)，print plabel.eval()，print batchy和print (tf.argmax(batchy)).eval()

现在您应该知道每个print语句出了什么问题。

Answer 2

准确性：

def evaluate(X_data, y_data):
    num_examples = len(X_data)
    total_accuracy = 0
    sess = tf.get_default_session()
    for offset in range(0, num_examples, BATCH_SIZE):
        batch_x, batch_y = X_data[offset:offset+BATCH_SIZE], y_data[offset:offset+BATCH_SIZE]
        accuracy = sess.run(accuracy_operation, feed_dict={x: batch_x, y: batch_y})
        total_accuracy += (accuracy * len(batch_x))
    return total_accuracy / num_examples

获得预测：

prediction = sess.run(tf.argmax(logits, 1), feed_dict={x: train_data})

Tensorflow argmax给出错误的指示

2 个答案: