Question

我正在对张量流的卷积神经网络进行第一次测试。我使用编程指南中的队列运行程序调整了推荐的方法（参见下面的会话定义）。输出是cnn的最后一个结果（这里只给出了最后一步）。 label_batch_vector是训练标签批次。

output = tf.matmul(h_pool2_flat, W_fc1) + b_fc1
label_batch_vector = tf.one_hot(label_batch, 33)

correct_prediction = tf.equal(tf.argmax(output, 1), tf.argmax(label_batch_vector, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

init_op = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())

print_accuracy = tf.Print(accuracy, [accuracy])

# Create a session for running operations in the Graph.
sess = tf.Session()

# Initialize the variables (like the epoch counter).
sess.run(init_op)

# Start input enqueue threads.
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)

try:
    while not coord.should_stop():
        # Run training steps or whatever
        sess.run(train_step)
        sess.run(print_accuracy)

except tf.errors.OutOfRangeError:
    print('Done training -- epoch limit reached')
finally:
    # When done, ask the threads to stop.
    coord.request_stop()

# Wait for threads to finish.
coord.join(threads)
sess.close()

我的问题是计算每个批次的准确度，我想为每个时期计算。我需要执行以下操作：初始化epoch_accuracy张量，为纪元中的每个计算的批处理精度将其添加到epoch_accuracy。在时代结束时显示计算的训练集准确度。但是我没有找到我实现的这个队列线程的任何这样的例子（实际上是TensorFlow推荐的方法）。有人可以帮忙吗？

Answer 1

要计算数据流（您的批次序列，此处）的准确性，您可以在tensorflow中使用tf.metrics.accuracy函数。查看其文档here

您可以像这样定义操作

_, accuracy = tf.metrics.accuracy(y_true, y_pred)

然后你可以用这种方式更新准确度：

sess.run(accuracy)

PS：tf.metrics（auc，召回等）中的所有功能都支持流式传输

计算整个训练集的准确度

1 个答案: