我正在使用https://github.com/Microsoft/FERPlus中的FER2013Plus数据集，其中包含fer2013new.csv文件。该文件包含数据集中每个图像的标签。标签上的示例可能是：
（4，0，0，2，1，1，0，0，3）
每个维度都是不同的情感。最后，他们在论文https://arxiv.org/pdf/1608.01041.pdf中将标签分布转换为概率=>新标签将变为
（0.5、0、0、0.25、0.125、0、0、0.375）
换句话说，图像中的人以0.5的概率感到满意，以0.25的概率感到悲伤，依此类推...并且这些概率的总和为1。
现在，在训练期间，我使用tf.nn.softmax_cross_entropy_with_logits_v2来计算预测和标签之间的损失。现在如何计算精度？
非常感谢您的帮助！
答案 0 :(得分：2)
这是本文的摘录：
“我们以多数情感为唯一 情感标签，我们根据 多数情绪。”
他们正在使用离散分类任务。因此，您只需要在日志上输入tf.argmax()即可获得最高的概率，然后将其与标签的tf.argmax()进行比较。
例如，如果您的标签是(0.5, 0, 0, 0.25, 0.125, 0, 0, 0.375)，那么快乐就是多数情感，因此您将检查自己的日志是否也具有多数情感。