Tensorflow,多标签精度计算

Question

我正在研究多标签问题,我正在尝试确定模型的准确性.

我的模特:

NUM_CLASSES = 361

x = tf.placeholder(tf.float32, [None, IMAGE_PIXELS])
y_ = tf.placeholder(tf.float32, [None, NUM_CLASSES])

# create the network
pred = conv_net( x )

# loss
cost = tf.reduce_mean( tf.nn.sigmoid_cross_entropy_with_logits( pred, y_) )

# train step
train_step   = tf.train.AdamOptimizer().minimize( cost )

我想以两种不同的方式计算准确度
- 正确预测的所有标签的百分比 - 正确预测所有标签的图像的百分比

不幸的是,我只能计算出正确预测的所有标签的百分比.

我认为这段代码会计算正确预测所有标签的图像百分比

correct_prediction = tf.equal( tf.round( pred ), tf.round( y_ ) )

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

并且这个代码是正确预测的所有标签的百分比

pred_reshape = tf.reshape( pred, [ BATCH_SIZE * NUM_CLASSES, 1 ] )
y_reshape = tf.reshape( y_, [ BATCH_SIZE * NUM_CLASSES, 1 ] )

correct_prediction_all = tf.equal( tf.round( pred_reshape ), tf.round( y_reshape ) )

accuracy_all = tf.reduce_mean( tf.cast(correct_prediction_all, tf.float32 ) )

某种程度上属于一个图像的标签的一致性丢失了,我不知道为什么.

Answer 1

我相信你的代码中的错误是:correct_prediction = tf.equal( tf.round( pred ), tf.round( y_ ) ).

pred应该是未缩放的logits(即没有最终的sigmoid).

在这里,你要比较的输出sigmoid(pred)和y_(无论是在间隔[0, 1]),所以你必须写:

correct_prediction = tf.equal(tf.round(tf.nn.sigmoid(pred)), tf.round(y_))

然后计算:

• 所有标签的平均准确度:

accuracy1 = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

• 所有标签需要正确的准确度:

all_labels_true = tf.reduce_min(tf.cast(correct_prediction), tf.float32), 1)
accuracy2 = tf.reduce_mean(all_labels_true)