Desarrollo de Python
  1. Desarrollo de Python
  3. Tensor de flujo, cálculo de precisión de múltiples tags
Intereting Posts
¿Cómo convertir el índice de un dataframe pandas en una columna? Entendiendo la salida de Doc2Vec del paquete Gensim ¿Cómo enviar un archivo a través de Soap en python? Tkinter: Barra de progreso con duración indeterminada Operador Python 3 >> para imprimir a archivo Escribe DataFrame en la tabla mysql usando pySpark ¿Qué syntax está representada por un nodo ExtSlice en el AST de Python? ¿Hay una manera de hacer una sum rotativa de peso promedio sobre una agrupación? Establecer orden de columnas en dataframe pandas Creando un bucle para dos fechas Imagegrid en el cuaderno de Jupyter. Gestión de la autenticación de usuarios en Google App Engine ¿Puedo establecer max_retries para requests.request? Lea la lista plana en matriz / matriz multidimensional en python El comstackdor no puede encontrar Py_InitModule () .. está en desuso y, en caso afirmativo, ¿qué debo usar?

Tensor de flujo, cálculo de precisión de múltiples tags

Estoy trabajando en un problema de tags múltiples y estoy tratando de determinar la precisión de mi modelo.

Mi modelo: 

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 )

Quiero calcular la precisión de dos maneras diferentes.
-% de todas las tags que se pronostican correctamente -% de imágenes donde TODAS las tags se pronostican correctamente

desafortunadamente solo puedo calcular el% de todas las tags que se pronostican correctamente.

Pensé que este código calcularía el% de imágenes donde TODAS las tags se pronostican correctamente 

 correct_prediction = tf.equal( tf.round( pred ), tf.round( y_ ) ) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

y este código% de todas las tags que se pronostican correctamente 

 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 ) )

de alguna manera se pierde la coherencia de las tags que pertenecen a una imagen y no estoy seguro de por qué.

Creo que el error en su código está en: correct_prediction = tf.equal( tf.round( pred ), tf.round( y_ ) ) .

pred debe ser logits sin escala (es decir, sin un sigmoide final).

Aquí desea comparar la salida de sigmoid(pred) y y_ (ambos en el intervalo [0, 1] ), por lo que debe escribir: 

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

Luego, para calcular:

  • Precisión media en todas las tags: 
 accuracy1 = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
  • Precisión donde todas las tags deben ser correctas: 
 all_labels_true = tf.reduce_min(tf.cast(correct_prediction), tf.float32), 1) accuracy2 = tf.reduce_mean(all_labels_true) 
 # to get the mean accuracy over all labels, prediction_tensor are scaled logits (ie with final sigmoid layer) correct_prediction = tf.equal( tf.round( prediction_tensor ), tf.round( ground_truth_tensor ) ) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) # to get the mean accuracy where all labels need to be correct all_labels_true = tf.reduce_min(tf.cast(correct_prediction, tf.float32), 1) accuracy2 = tf.reduce_mean(all_labels_true)

referencia: https://gist.github.com/sbrodehl/2120a95d57963a289cc23bcfb24bee1b