标签:tensor argmax 模型 张量 input tf tensorflow 评估 axis
在搭建网络模型时通常要建立一个评估模型正确率的节点(evaluation_step)
这里介绍一个对于分类问题可以用的评估方法:
代码:
correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(groundtruth_input, 1))
evaluation_step = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
介绍一下其中的几个函数
tf.argmax(y,1)返回矩阵y中的最大元素的索引(第二个参数为0就按行返回,1则按列返回)
tf.equal(x,y)判断x, y 是不是相等,判断方法不是整体判断,而是逐个元素进行判断,如果相等就是True,不相等就是False。由于是逐个元素判断,所以x,y 的维度要一致。
tf.cast(x,tf.float32)函数的作用是执行 tensorflow 中张量数据类型转换,x为一个张量,函数将x中的每个元素转换为tf.float的类型(若x中元素为true\false就转换为了0.\1.)
tf.reduce_mean(input_tensor,axis=None,keep_dims=False)用于计算张量tensor沿着指定的数轴(tensor的某一维度)上的的平均值
axis=0则按列计算,axis=1则按行计算
keep_dims为true则计算结果保持原来张量形状不变
该评估模型方法将最后一层输出logits和标签groundtruth_input进行对比,并将对比结果转换为float张量,再按列计算平均值作为正确率
标签:tensor,argmax,模型,张量,input,tf,tensorflow,评估,axis 来源: https://www.cnblogs.com/biandekeren-blog/p/11871375.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。