Question

我想使用张量流估计器训练模型，并希望在训练结束评估期间跟踪多个指标。我要跟踪的指标是准确性和均值交集（以及损失）。

我设法弄清楚如何在训练过程中跟踪准确性：

if mode == tf.estimator.ModeKeys.TRAIN:
   ...
   accuracy = tf.metrics.accuracy(labels=indices_ground_truth, predictions=indices_prediction, name='acc_op')
   tf.summary.scalar('accuracy', accuracy[1])

和评估：

if mode == tf.estimator.ModeKeys.EVAL:
   ...
   accuracy = tf.metrics.accuracy(labels=indices_ground_truth, predictions=indices_prediction)
   eval_metric_ops = {'accuracy': accuracy}

   return tf.estimator.EstimatorSpec(mode, loss=loss, eval_metric_ops=eval_metric_ops)

为了进行评估，联合上的平均交集是相同的。所以实际上是：

if mode == tf.estimator.ModeKeys.EVAL:
   ...
   miou = tf.metrics.mean_iou(labels=indices_ground_truth, predictions=indices_prediction, num_classes=13)
   accuracy = tf.metrics.accuracy(labels=indices_ground_truth, predictions=indices_prediction)
   eval_metric_ops = {'miou': miou,
                      'accuracy': accuracy}

   return tf.estimator.EstimatorSpec(mode, loss=loss, eval_metric_ops=eval_metric_ops)

据我所知，我必须在训练过程中跟踪值的更新操作（第二个返回值）。否则，每次都返回0。对于像准确性这样的单个值。

但是对于miou，第二个返回值是用于计算miou的混淆矩阵的更新操作。就是[numClass，numClass]张量。如果我尝试像精度tf.summary.scalar('miou', miou[1])那样跟踪它，则会崩溃，因为[numClass，numClass]张量不是标量。

tf.summary.scalar('miou', miou[0])每次给我0。那我怎么给miou做总结呢？

Answer 1

这是我在训练时如何计算IoU：

mIoU, update_op = tf.contrib.metrics.streaming_mean_iou(predict, raw_gt, num_classes=2, weights=None)
    tf.summary.scalar('meanIoU', mIoU)

confusion_matrix, _ = sess.run([update_op, train_op], feed_dict=feed_dict)
iou = sess.run(mIoU)

print('iou score = {:.3f}, ({:.3f} sec/step)'.format(iou, duration))

您无需跟踪混淆矩阵输出即可在张量板上跟踪IoU。以上对我来说很好。我认为，您缺少的是在会话中运行张量。您需要运行sess.run（iou）等度量标准操作，同时运行sess.run（update_op）之类的update_op

在训练期间使用tf.metrics.mean_iou

1 个答案: