tensorflow笔记 tf.metrics.accuracy

tf.metrics.accuracy用于计算模型输出的准确率

tf.metrics.accuracy(labels,predictions,weights=None,metrics_collections=None,updates_collections=None,name=None
)return accuracy, update_op

参数：
labels 标签的真实值
predictions 标签的预测值
weights 每个值的权重
metrics_collections accuracy的集合
updates_collections update_op的集合

输出：
accuracy 上一个batch的准确率
update_op 加上本次训练数据后的准确率

例子：

import numpy as np
import pandas as pd
import tensorflow as tf x = tf.placeholder(tf.float64, [5])
y = tf.placeholder(tf.int32, [5])
acc, acc_op = tf.metrics.accuracy(labels=y, predictions=tf.greater_equal(x,0.5))sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
v = sess.run([acc, acc_op], feed_dict={x: [0.1, 0.5, 0.4, 0.2, 0.6], y: [1, 0, 0, 0, 1]}) #3/5
print(v)v = sess.run([acc, acc_op], feed_dict={x: [0.1, 0.6, 0.6, 0.6, 0.3], y: [1, 0, 0, 0, 1]}) #3/10
print(v)v = sess.run([acc, acc_op], feed_dict={x: [0.1, 0.6, 0.6, 0.6, 0.3], y: [1, 0, 0, 0, 1]}) #3/15
print(v)v = sess.run([acc, acc_op], feed_dict={x: [0.1, 0.6, 0.6, 0.6, 0.3], y: [1, 0, 0, 0, 1]}) #3/20
print(v)sess.close()'''
[0.0, 0.6]
[0.6, 0.3]
[0.3, 0.2]
[0.2, 0.15]
'''

如果有weights，分母为所有weights之和，分子为正确标签的weights之和

x = tf.placeholder(tf.float64, [5])
y = tf.placeholder(tf.int32, [5])
z = tf.placeholder(tf.float64, [5])
acc, acc_op = tf.metrics.accuracy(labels=y, predictions=tf.greater_equal(x,0.5), weights = z)sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
v = sess.run([acc, acc_op], feed_dict={x:[0.1, 0.1, 0.1, 0.1, 0.1], y:[0, 0, 0, 0, 0], z:[1., 1., 1., 1., 0.]}) #4/4
print(v)v = sess.run([acc, acc_op], feed_dict={x:[0.1, 0.1, 0.1, 0.1, 0.6], y:[0, 0, 0, 0, 0], z:[1., 1., 1., 1., 3.]}) #8/11
print(v)sess.close()'''
[0.0, 1.0]
[1.0, 0.72727275]
'''

tensorflow笔记 tf.metrics.accuracy相关推荐

tf.metrics.accuracy
这是tensorflow版本问题,在tensorflow2.x中,已经使用tf.compat.v1.metrics.accuracy替代tf.metrics.accuracy
tensorflow笔记 tf.Print()
调试程序的时候,经常会需要检查中间的参数,这些参数一般是定义在model或是别的函数中的局部参数,由于tensorflow要求先构建计算图再运算的机制,也不能定义后直接print出来.tensorfl ...
tensorflow 里metrics_深入理解TensorFlow中的tf.metrics算子
[IT168 技术]01 概述本文将深入介绍Tensorflow内置的评估指标算子,以避免出现令人头疼的问题. tf.metrics.accuracy() tf.metrics.precision( ...
tensorflow笔记（二十）——estimator.evaluate源码走读
1.estimator评估流程 (1)定义model_fn 在estimator中,不论是训练.评估还是预测,都需要定义model_fn,model_fn返回EstimatorSpec对象,通常不同的 ...
tf.keras.metrics.Accuracy；tf.keras.metrics.Precision；tf.keras.metrics.Recall
tf.keras.metrics.Accuracy:tf.keras.metrics.Precision:tf.keras.metrics.Recall 当标签为0/1,而prediction为(0, ...
tensorflow笔记：tf.argmax()和tf.equal()的使用
原文:https://blog.csdn.net/abc13526222160/article/details/85299901 1.tf.argmax(vector, 1) 返回的是vector中的 ...
『tensorflow笔记』tf.argmax()和tf.equal()的使用
1.tf.argmax(vector, 1) 返回的是vector中的最大值的索引号,如果vector是一个向量,那就返回一个值,如果是一个矩阵,那就返回一个向量,这个向量的每一个维度都是相对应矩阵行 ...
tensorflow 学习笔记-- tf.reduce_max、tf.sequence_mask
1.tf.reduce_max函数的作用:计算张量的各个维度上的元素的最大值.例子: import tensorflow as tf max_value = tf.reduce_max([1, 3, ...
tensorflow 笔记 16：tf.pad
函数: tf.compat.v1.pad tf.pad 函数表达式如下: tf.pad( tensor, paddings, mode='CONSTANT', name=None, constant_ ...

tensorflow笔记 tf.metrics.accuracy

tensorflow笔记 tf.metrics.accuracy相关推荐

最新文章

热门文章