Question

我想使用tf.metrics.accuracy来跟踪预测的准确性，但我不确定如何使用函数返回的update_op（acc_update_op）：

accuracy, acc_update_op = tf.metrics.accuracy(labels, predictions)

我在考虑将其添加到tf.GraphKeys.UPDATE_OPS会有意义，但我不知道该怎么做。

Answer 1

tf.metrics.accuracy是许多流量度量TensorFlow操作之一（另一个是tf.metrics.recall）。创建后，会创建两个变量（count和total），以便累积一个最终结果的所有传入结果。第一个返回值是计算count / total的张量。返回的第二个op是一个更新这些变量的有状态函数。在评估多个批次数据的分类器性能时，流式度量函数非常有用。一个简单的使用示例：

# building phase
with tf.name_scope("streaming"):
    accuracy, acc_update_op = tf.metrics.accuracy(labels, predictions)

test_fetches = {
    'accuracy': accuracy,
    'acc_op': acc_update_op
}

# when testing the classifier    
with tf.name_scope("streaming"):
    # clear counters for a fresh evaluation
    sess.run(tf.local_variables_initializer())

for _i in range(n_batches_in_test):
    fd = get_test_batch()
    outputs = sess.run(test_fetches, feed_dict=fd)

print("Accuracy:", outputs['accuracy'])

我在考虑将其添加到tf.GraphKeys.UPDATE_OPS会有意义，但我不知道该怎么做。

除非您仅使用UPDATE_OPS集合进行测试，否则这不是一个好主意。通常，该集合已经具有针对训练阶段的某些控制操作（例如移动批量标准化参数），这些操作并不意味着与验证阶段一起运行。最好将它们保存在新集合中，或者手动将这些操作添加到获取字典中。

如何使用tf.metrics.accuracy？

1 个答案: