Tensorflow models/slim eval_image_classifier.py評估的圖像數量錯誤

我按照tutorial來微調Flowers數據集的初始模型。Tensorflow models/slim eval_image_classifier.py評估的圖像數量錯誤

flowers數據集在flowers.py文件中指定了350個驗證圖像。

但是，當我跑eval_image_classifier.py並修改它來打印TP，FP，TN，FN

數量

結果：

I tensorflow/core/kernels/logging_ops.cc:79] eval/TrueNegatives[64] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/TruePositives[286] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/FalsePositives[2] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/FalseNegatives[48]

如果添加了起來，旗下共有400 。但驗證圖像的數量是350.

我做了微調我的自定義數據集，其中驗證圖像是150只有兩個類。

結果爲：

I tensorflow/core/kernels/logging_ops.cc:79] eval/TruePositives[11] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/TrueNegatives[155] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/FalsePositives[4] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/FalseNegatives[30] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/Accuracy[0.83] 
I tensorflow/core/kernels/logging_ops.cc:79] eval/AreaUnderCurve[0.62156773]

如果把它們加起來的出來是200

這究竟是爲什麼？額外的50張圖片來自哪裏？

有沒有辦法修改eval_image_classifier.py來打印驗證圖像的名稱及其預測和標籤？

我也問過這個問題作爲模型/ slim github上的問題，但我還沒有收到任何回覆。

來源

2017-08-07 Nik

圖像不匹配數量的原因是程序正在使用的輸入隊列。它通過批量提供值。您需要根據數據集大小設置batch_size和num_batches以解決此問題。 num_batches。

默認值是上舍入deafult num_batches

來源

2017-08-07 05:53:14

好的，謝謝。我會嘗試。對於我的自定義數據集，我有150個圖像。所以我必須改變'batch_size = 75'？ – Nik

只要您與'num_batches'參數同步，您可以將'batch_size'設置爲任意數字。 –

Tensorflow models/slim eval_image_classifier.py評估的圖像數量錯誤

回答

相關問題