Question

我正在使用add_metric尝试创建一个自定义指标，该指标可以计算分类器的前3个准确性。据我所知：

def custom_metrics(labels, predictions):
   # labels => Tensor("fifo_queue_DequeueUpTo:422", shape=(?,), dtype=int64)
   # predictions => {
   #    'logits': <tf.Tensor 'dnn/logits/BiasAdd:0' shape=(?, 26) dtype=float32>,
   #     'probabilities': <tf.Tensor 'dnn/head/predictions/probabilities:0' shape=(?, 26) dtype=float32>,
   #     'class_ids': <tf.Tensor 'dnn/head/predictions/ExpandDims:0' shape=(?, 1) dtype=int64>,
   #     'classes': <tf.Tensor 'dnn/head/predictions/str_classes:0' shape=(?, 1) dtype=string>
   #  }

着眼于现有tf.metrics的实现，一切都使用tf ops来实现。我该如何实现前3位的准确性？

Answer 1

如果您想自己实现，tf.nn.in_top_k非常有用-它返回一个布尔数组，该数组指示目标是否在前k个预测中。您只需要取结果的平均值即可：

def custom_metrics(labels, predictions):
    return tf.metrics.mean(tf.nn.in_top_k(predictions=predictions, targets=labels, k=3))

您也可以导入它：

from tf.keras.metrics import top_k_categorical_accuracy

TensorFlow指标：最高N精度

1 个答案: