Tensorflow, tính toán độ chính xác đa nhãn

Question

Tôi đang làm việc trên một vấn đề đa nhãn và tôi đang cố gắng để xác định tính chính xác của mô hình của tôi.

mô hình của tôi:

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) 

tôi muốn để tính toán chính xác theo hai cách khác nhau
-% của tất cả các nhãn được dự đoán một cách chính xác -% hình ảnh nơi tất cả các nhãn được dự đoán một cách chính xác

tiếc là tôi chỉ có thể tính% của tất cả các nhãn được dự đoán chính xác.

Tôi nghĩ mã này sẽ tính toán% các hình ảnh mà tất cả các nhãn được dự đoán một cách chính xác

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

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

và mã% này của tất cả các nhãn được dự đoán một cách chính xác

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)) 

bằng cách nào đó xã hội dân sự của các nhãn thuộc về một hình ảnh bị mất và tôi không chắc chắn tại sao.

Answer 1

Tôi tin rằng lỗi trong mã của bạn là: correct_prediction = tf.equal(tf.round(pred), tf.round(y_)).

pred phải là nhật ký chưa được đánh số (nghĩa là không có hình sigmoid cuối cùng).

Ở đây bạn muốn so sánh đầu ra của sigmoid(pred) và y_ (cả trong khoảng [0, 1]) vì vậy bạn phải viết:

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

---

Sau đó, để tính toán:

• trung bình chính xác trên tất cả các nhãn:

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

• Độ chính xác nơi tất cả các nhãn cần phải chính xác:

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