在张量流中处理多类多标签分类时如何计算准确性?

时间:2018-10-18 16:20:49

标签: tensorflow prediction multilabel-classification multiclass-classification

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!

1 个答案:

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。