Question

在上一个问题的帮助下，我设计了IoU的以下实现：

def iou(y_pred_batch, y_true_batch):
    intersection = tf.zeros(())
    union = tf.zeros(())
    y_pred_batch = np.argmax(y_pred_batch, axis=-1)
    y_true_batch = np.argmax(y_true_batch, axis=-1)
    for i in range(num_classes):
        iTensor = tf.to_int64(tf.fill(y_pred_batch.shape, i))
        intersection = tf.add(intersection, tf.to_float(tf.count_nonzero(tf.logical_and(K.equal(y_true_batch, y_pred_batch), K.equal(y_true_batch, iTensor)))))
        union = tf.add(union, tf.to_float(tf.count_nonzero(tf.logical_or(K.equal(y_true_batch, iTensor), K.equal(y_pred_batch, iTensor)))))
    return intersection/union

我使用以下行来测试代码：

sess = tf.InteractiveSession()

y_true_batch = np.asarray([np.random.rand(imRows, imCols, num_classes) for i in range(2)])
y_pred_batch = np.asarray([np.random.rand(imRows, imCols, num_classes) for i in range(2)])

print (iou(y_true_batch, y_pred_batch).eval())
sess.close()

这产生~0.02的值，这是随机初始化值所期望的。但是，当我在我的keras模型中使用此度量标准时，度量标准从第1纪元开始返回1.0000，这显然是错误的。我不知道为什么会这样，任何帮助都会受到赞赏。

Answer 1

刚刚改变了

np.argmax()

到

from keras import backend as K
K.argmax()

原因是当你使用np.argmax（）计算时没有创建张量，代码应该是张量语言。你需要在keras的张量操作中执行所有操作。

用于keras测试。

y_true = np.asarray([np.random.rand(4,4, 4) for i in range(2)])
y_pred = np.asarray([np.random.rand(4, 4, 4) for i in range(2)])


iou_value = iou(
    K.variable(y_true),
    K.variable(y_pred),
).eval(session=K.get_session())
print('iou', iou)

Keras指标产生意外值

1 个答案: