TensorFlow in_top_k评估输入论证

Question

我正在关注此链接中的教程并尝试更改模型的评估方法(位于底部).我想获得前5的评估,我正在尝试使用以下代码:

topFiver=tf.nn.in_top_k(y, y_, 5, name=None)

但是,这会产生以下错误:

File "AlexNet.py", line 111, in <module>
    topFiver = tf.nn.in_top_k(pred, y, 5, name=None)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_nn_ops.py", line 346, in in_top_k
    targets=targets, k=k, name=name)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/op_def_library.py", line 486, in apply_op
    _Attr(op_def, input_arg.type_attr))
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/op_def_library.py", line 59, in _SatisfiesTypeConstraint
    ", ".join(dtypes.as_dtype(x).name for x in allowed_list)))
TypeError: DataType float32 for attr 'T' not in list of allowed values: int32, int64

据我所知,问题是tf.nn.in_top_k()只适用于tf.int32或tf.int64数据,但我的数据是tf.float32格式的.这有什么解决方法吗？

Answer 1

所述targets参数tf.nn.in_top_k(predictions, targets, k)必须是类ID的向量(即在列的索引predictions矩阵).这意味着它仅适用于单类分类问题.

如果你的问题是一个单一类的问题,那么我认为你的y_张量是你的例子的真实标签的一个热门编码(例如,因为你也将它们传递给类似的操作tf.nn.softmax_cross_entropy_with_logits().在这种情况下,你有两个选择:

• 如果标签最初存储为整数标签,则直接tf.nn.in_top_k()将它们传递给它们而不将它们转换为单热标签.(另外,考虑使用tf.nn.sparse_softmax_cross_entropy_with_logits()您的损失函数,因为它可能更有效.)

• 如果标签最初以单热格式存储,则可以使用tf.argmax()以下方法将它们转换为整数:

  labels = tf.argmax(y_, 1)
  topFiver = tf.nn.in_top_k(y, labels, 5)