Tensorflow，多標籤準確性計算

Question

我正在研究多標籤問題，並試圖確定我的模型的準確性。

我的模型：

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) 

我要計算在兩種不同的方式
精度 - 這是正確 預測的所有標籤％ - 圖像％，所有標籤正確預測

不幸的是，我只能計算正確預測的所有標籤的百分比。

我想，所有的標籤都正確預測

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

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

和正確預測

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)) 

莫名其妙標籤的一致性所有標籤的這段代碼％這個代碼將計算出的圖像％屬於一個圖像丟失，我不知道爲什麼。

Answer 1

我相信你的代碼中的錯誤在：correct_prediction = tf.equal(tf.round(pred), tf.round(y_))。

pred應該是未換算的logits（即沒有最終sigmoid）。

這裏要比較的sigmoid(pred)和y_輸出（無論是在間隔[0, 1]），所以你必須寫：

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

---

然後計算：

• 平均精度在所有標籤上：

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

• 精度，所有標籤必須是正確的：

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