tensorflow tf.metrics

Question

我对tensorflow指标（tf.metrics）有一些疑问。有一些指标可用，如准确性，精确度，false_positives等。

根据API精度等至少需要两个参数：

precision("ground truth values", "predicted values")

＆＃34; session.run＆＃34;我有一些带有Tensor的结果字典，请参阅下面的图片

result dict

detection boxes

groundtruth box

detection scores

如何使用此值来计算准确度，精度，false_positive等？

我尝试了以下内容：

prec = tf.metrics.precision(result_dict['groundtruth_boxes'],  result_dict['detection_boxes'][0])

但是我收到以下错误：

ValueError: Can not squeeze dim[1], expected a dimension of 1, got 4 for 'precision/remove_squeezable_dimensions/Squeeze' (op: 'Squeeze') with input shapes: [1,4].

无论如何，我的尝试毫无意义，因为计算精确度＆＃34;真正的积极因素＆＃34;和＃34;误报＆＃34;是必要的。

Answer 1

首先，tf.metrics对于计算多批次的运行指标非常有用。因为他们需要在sess.run()次呼叫中保持状态，所以并不像某些人所假设的那样简单。这是一篇很好的文章，解释了它们的工作原理：http://ronny.rest/blog/post_2017_09_11_tf_metrics/

对于你的问题，tf.metrics.precision的参数必须（有效）是布尔张量。您无法直接输入边界框。例如，以下内容将打印1.0：

prediction = tf.constant([1., 1., 2., 2.])
label = tf.constant([1., 1., 3., 3.])
precision, update_op = tf.metrics.precision(label, prediction)

with tf.Session() as sess:
  sess.run(tf.local_variables_initializer())
  sess.run(update_op)
  print sess.run(precision)

因为2和3都不为零。

您需要自己比较边界框（例如，对于每个框tf.reduce_all(tf.equal(expected_box, predicted_box))），以便每个框都有一个True/False标量。放入向量的所有这些标量将成为predictions的{​​{1}}参数。 tf.metrics.precision参数将是与labels大小相同的True张量。