Question

当预测高于或低于某个阈值时，我希望能够知道我的神经网络的舍入精度。例如，我希望它仅在预测值大于0.55或小于0.45时才计算准确性，以滤除接近50/50的情况。

我尝试在stackoverflow上使用soft_acc函数，并在开头添加一个if，以过滤掉接近50/50的时间。

def soft_acc(y_true, y_pred):
    if y_pred > 0.55 or y_pred < 0.45:
        return K.mean(K.equal(K.round(y_true), K.round(y_pred)))

我收到以下错误消息。

TypeError：不允许将tf.Tensor用作Python bool。使用if t is not None:代替if t:来测试是否定义了张量，并使用TensorFlow ops（例如tf.cond）执行以张量的值为条件的子图。

Answer 1

使用tf.boolean_mask筛选出不符合所需阈值的索引值。

# remove values from `X` in interval (lo, hi)
mask = tf.math.logical_or(tf.lesser(X, lo), tf.greater(X, hi))
X = tf.boolean_mask(X, mask)

在您的情况下，您将soft_acc定义为

def soft_acc(y_true, y_pred):
    mask = tf.math.logical_or(tf.greater(y_pred, 0.55), tf.lesser(y_pred, 0.45))
    y_true2 = tf.boolean_mask(y_true, mask)
    y_pred2 = tf.boolean_mask(y_pred, mask)

    return K.mean(K.equal(K.round(y_true2), K.round(y_pred2)))

从张量中删除给定范围内的值

1 个答案: