Tensorflow、多标签精度计算

我正在研究多标签问题，并试图确定模型的准确性。

我的型号：

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 )

我想用两种不同的方式计算准确性
- 正确预测的所有标签的百分比 - 所有标签均被正确预测的图像百分比

不幸的是，我只能计算正确预测的所有标签的百分比。

我认为这段代码会计算正确预测所有标签的图像的百分比

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

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

和此代码正确预测的所有标签的百分比

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 ) )

不知何故，属于一张图像的标签的一致性丢失了，我不知道为什么。

我相信您的代码中的错误在于：correct_prediction = tf.equal( tf.round( pred ), tf.round( y_ ) ).

pred应该未缩放的逻辑（即没有最终的 sigmoid）。

这里你想比较的输出sigmoid(pred) and y_（两者都在区间内[0, 1]）所以你必须写：

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

然后计算：

• 所有标签的平均准确度：

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

• 所有标签都需要正确的准确性：

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